I Montreal använder ett team utvecklare vid Insilico Medicine kraften i artificiell intelligens (AI) för att påskynda sökandet efter livräddande läkemedel. Under ledning av Dr. Petrina Kamya strävar teamet efter att utnyttja AI:s potential inom den farmaceutiska industrin, där processen att utveckla och testa läkemedel kan vara resurskrävande och tidskrävande.
Insilico Medicine, ett bioteknikföretag med huvudkontor i Hong Kong, valde Montreal som sin forskningshub på grund av stadens djupa rötter inom medicinsk forskning och dess status som en plattform för AI-boomen. Dr Kamya, global chef för AI-plattformar, känner till potentialen för tillväxt och integration inom Montreals ekosystem.
Till skillnad från traditionella metoder för läkemedelsupptäckt använder Insilico Medicines algoritmer ett ”multi-modal” tillvägagångssätt, vilket innebär att de analyserar resultat från publicerad litteratur och forskningsansökningar för att identifiera lovande läkemedelskandidater. Detta tillvägagångssätt gör det möjligt för dem att navigera i den komplexa landskapet av potentiella terapier och påskynda upptäcktsprocessen.
Även om AI-styrd läkemedelsupptäckt erbjuder möjligheten till snabbare klinisk utveckling, betonar Dr Kamya vikten av att ha realistiska förväntningar. Medan AI-algoritmer kan hjälpa till att identifiera potentiella läkemedel mer effektivt är det avgörande att bevisa deras effektivitet i kliniska prövningar.
Betydelsen av AI som ett biomedicinskt verktyg framhävdes under 2020 när AlphaFold 2, en algoritm som utvecklats av Google DeepMind, dominerade en tävling för proteinstrukturförutsägelse. Genombrottet har banat väg för framsteg inom förståelsen av proteinernas strukturer och funktioner, vilket är avgörande för att utveckla riktade behandlingar mot sjukdomar.
En betydande utmaning för AI-styrd läkemedelsupptäckt är bristen på offentliga data som är tillgängliga för att träna algoritmer. Till skillnad från språkalgoritmer som kan lära sig av texter på internet eller algoritmer för proteinstrukturförutsägelse som använder en offentlig databas saknar läkemedelsupptäcktsalgoritmer en omfattande samling av relevant information.
För att möta denna utmaning har Structural Genomics Consortium och Princess Margaret Cancer Centre startat CACHE-utmaningen. Modellerad efter tävlingen för proteinstrukturförutsägelse, CASP, syftar CACHE-utmaningen till att uppmuntra och identifiera framgångsrika metoder för att hitta nya läkemedel med hjälp av beräkningsverktyg. Tävlingen ger deltagarna proteinmål att upptäcka små molekyler eller ”träffar” för potentiella terapier.
Montreals livliga AI- och medicinska forskningssamhälle, tillsammans med initiativ som CACHE-utmaningen, placerar staden som en ledande hub för AI-driven läkemedelsupptäckt. I takt med att AI fortsätter revolutionera hälso- och sjukvårdsbranschen är potentialen för betydande framsteg inom läkemedelsutveckling och patientvård inom räckhåll.
The source of the article is from the blog be3.sk