Korejski raziskovalci so odprli pot za prebojna farmacevtska odkritja s inovativno uporabo generativne umetne inteligence (AI). Skupina pod vodstvom profesorja Woo Youn Kima z oddelka za kemijo na KAIST-u je razvila nov AI, ki lahko zasnuje zdravila primerna za ciljne beljakovine zgolj na podlagi vzorcev interakcije med beljakovinami in molekulami, ne da bi se zanašal na dejanske podatke.
Za odkritje novih zdravil je ključno prepoznati molekule, ki se specifično vežejo na beljakovine, ki povzročajo bolezni. Tradicionalna generativna AI za oblikovanje zdravil običajno ustvarja molekule podobne znanim zdravilom, kar predstavlja velik izziv v inovacijsko usmerjenem področju razvoja novih zdravil. Poleg tega pomanjkanje eksperimentalnih podatkov o novih in potencialno dobičkonosnih ciljnih beljakovinah je programskim modelom AI, ki so že vzpostavljeni, praktično naredilo nemogoče.
Rešitev skupine je tehnologija, ki ustvarja molekule le na podlagi strukturnih informacij beljakovin. Ta metoda deluje podobno kot oblikovanje ključa, ki je zasnovan posebej za prileganje ključavnici, oblikovanje molekul, ki se popolnoma prilegajo vezavnim mestom ciljnih beljakovin. Poleg tega so se osredotočili na načrtovanje molekul, ki se lahko stabilno vežejo celo na nove beljakovine, s čimer so se izognili nizki splošni zmogljivosti preteklih tridimenzionalnih generativnih AI modelov.
S poudarkom na vzorcih interakcije beljakovin in molekul je ekipa omogočila AI, da se te vzorce nauči in jih neposredno uporabi pri načrtovanju molekul. Rezultat je bil, da je njihov model, za razliko od prejšnjih modelov, ki so se zanašali na milijone virtualnih podatkov za nadomestilo omejenih podatkov za usposabljanje, lahko dramatično presegel le z učenjem iz tisočih dejanskih eksperimentalnih struktur.
AI je bil izurjen tako, da načrtuje molekule, ki inducirajo specifične interakcije z mutiranimi aminokislinami. Povsem presenetljivo je, da naj bi 23 % molekul, ki jih je zasnoval ta AI, teoretično izkazalo več kot 100-kratno selektivnost. Tak AI, zasnovan na vzorcih interakcije, bi bil lahko še posebej učinkovit v situacijah, kjer je izbira zelo pomembna, na primer pri načrtovanju inhibit…
The source of the article is from the blog mivalle.net.ar