Biotehnoloģiju dinamiskajā jomā neliela elites grupa ir paveikusi būtiskus progresus, integrējot mākslīgo intelektu (AI) farmācijas pētniecībā un attīstībā.
Insilico Medicine: Pirmatnēji ar AI noformēti medikamenti
Spīdēdamais Insilico Medicine pilnībā ir apņēmies AI, īpaši ar savu medicīnisko projektu INS018_055, kas vērsts uz idiopātiskās plaušu fibrozes ārstēšanu. Šis projekts jūnijā 2023. gadā atzīmēja vēsturisku posmu kā pirmā pilnībā AI atrastā un noformētā zālē, kas ienācis otrajā klīnisko pētījumu fāzē. Turklāt uzņēmums var lepoties ar vēl divām zālēm klīniskajās fāzēs, kas daļēji radītas ar AI palīdzību. Lai paplašinātu savu pārveidojošo darbu, Insilico Medicine novembrī noslēdza nozīmīgu sadarbības līgumu ar Sanofi, kas ir vērtēts līdz pat 1,2 miljardiem dolāru.
Atomwise: Noliekot pamatu zāļu noformēšanai ar triljonu molekulu bibliotēku
Vēl viens vadonis Atomwise izmanto AI tehnoloģijas, lai revolucionētu mazo molekulāro medikamentu atklāšanu. Uzņēmuma AtomNet platforma izmanto dziļo mācību strukturālai zāļu noformēšanai, ļaujot veikt ātrus AI darbinātus meklējumus pa tās ekskluzīvo savienojumu bibliotēku, kurā ir vairāk nekā triljons sintezējamos kandidātus.
Cradle: AI pastiprināti proteīni stiprina biotehnoloģiju R&D
Cradle, Nīderlandes biotehnoloģiju start-up, izmanto generatīvo AI, lai palīdzētu biologi radīt uzlabotus proteīnus un paātrināt R&D. Ar AI modeļiem, kuri apmācīti ar miljardiem proteīnu sekvencēm, Cradle nesen piesaistīja 24 miljonus dolārus sērijas A finansējumā, lai veicinātu savus turpmākos R&D centienus.
Exscientia: Līdere precīzās medicīnas jomā ar AI
Atzīta kā pionieris, apvienojot AI ar biofarmaceitikām, Exscientia piedāvā AI vadītu funkcionālo precīzijas onkoloģijas platformu. Šī unikālā platforma ir bijusi būtiska efektīvu ārstēšanas metožu izvēlē un pacientu rezultātu uzlabošanā klīniskajos pētījumos un tiek lepota ar portfeli, kas sastāv no AI noformētiem maziem molekulām.
Iktos: Inovatīva mazo molekulu atrašana ar AI
Visbeidzot, Parīzes bāzes Iktos izmanto AI tehnoloģiju ātrai mazo molekulu identificēšanai. Viņu pieeja ir nodrošinājusi vairāk nekā 50 sadarbības līgumus izglītības iestāžu un rūpniecības nozares ietvaros, piedāvājot sadarbību ar atzītiem farmācijas un biotehnoloģijas uzņēmumiem. 2023. gadā Iktos piesaistīja ievērojamu 15,5 miljonu eiro finansējumu, uzsverot industrijas uzticību viņu inovatīvajām spējām.
AI tehnoloģija būtiski maina farmācijas uzņēmumu pieeju zāļu atklāšanai. Šeit ir papildu fakti un atziņas, ko ņemt vērā attiecībā uz AI zāļu atklāšanā:
1. Zāļu atklāšanas ātruma uzlabošana: AI un mašīnmācīšanās var analizēt plašas savienojumu un bioloģisko datu datu bāzes daudz ātrāk nekā tradicionālās metodes, ievērojami samazinot laiku, kas nepieciešams potenciālo zāļu kandidātu identificēšanai.
2. Prognozēšanas modeļu uzlabošana: AI var prognozēt savienojumu absorbēšanu, izplatību, metabolismu, izdalīšanos un toksicitātes (ADMET) īpašības, potenciāli samazinot zāļu neveiksmes iespējamību vēlākajās klīniskajās pētījumu posmos.
3. Pētījumu izmaksu samazināšana: Ātri uzņēmumi izskata un prognozē zāļu kandidātu veiksmīgumu, AI var palīdzēt samazināt izdevumus, kas saistīti ar zāļu attīstību, kas tradicionāli ir ļoti dārgs un laikietilpīgs process.
Galvenās jautājumi un atbildes saistībā ar AI zāļu atklāšanā ir:
Kā AI transformē zāļu atklāšanu?
AI paātrina zāļu atklāšanas procesu, ātri analizējot datus, prognozējot rezultātus un identificējot solīgus zāļu kandidātus ātrāk un precīzāk nekā tradicionālās pētniecības metodes.
Kādas ir ar AI zāļu atklāšanu saistītās problēmas?
Viena no galvenajām problēmām ir AI rīku integrēšana esošajos pētniecības procesos un nodrošinot AI ģenerēto prognožu precizitāti un uzticamību. Savukārt cita problēma ir saistīta ar datu apjomu, ko rada AI un mašīnmācīšanās modeļi, pārvaldību un interpretāciju.
Kādas ir kontroverses saistībā ar AI vadītajiem zāļu atklāšanas procesiem?
AI izmantošana rada jautājumus par datu privātumu un pacientu informācijas ētisko izmantošanu. Ir arī bažas par AI algoritmu pārredzamību un to, kā šīs sistēmas pieņem lēmumus.
AI izmantošanas priekšrocības un trūkumi zāļu atklāšanā ir:
Priekšrocības:
– Paātrina potenciālu zāļu identifikāciju.
– Samazina izmaksas, minimizējot izredzes vēlā posma neveiksmēm.
– Ļauj analizēt sarežģītas bioloģiskās sistēmas.
Trūkumi:
– Prasa būtiskas datorresursu izmantošanu.
– Rada izaicinājumus, validējot AI prognozes pret eksperimentālajiem rezultātiem.
– Atkarība no augstas kvalitātes ievades datiem precīzai modeļu apmācībai.
Lai turpmāk pētītu biotehnoloģiju inovāciju jomu, kas tiek vadīta ar AI, varat apmeklēt minēto uzņēmumu vietnes, lai uzzinātu jaunākās ziņas par viņu attīstību.
– Insilico Medicine
– Atomwise
– Cradle
– Exscientia
– Iktos