Prospektif Modelleme Yapay Zeka Tabanlı İlaç Keşfi için Parlak Geleceğe İşaret Ediyor

Kimyasal Etkileşimleri Tahmin Etmek

İlaç keşfi başlangıçta yeni kimyasal bileşiklerin rastgele test edilmesine veya doğada ve geleneksel tıpta aktif bileşikler bulmaya dayanıyordu. Bu sürecin daha modern bir versiyonu, vücutta bir hedef protein bulmak ve ona hangi molekülün ("ligand") bağlanacağını belirlemektir.

Tipik olarak doğru ligandın bulunması uzun bir deneme-yanılma sürecini gerektirir. Bununla birlikte, hesaplama gücü arttıkça, proteinleri (milyonlarca olmasa da onbinlerce atomdan oluşan) atom düzeyinde tam olarak simüle etme olasılığı gerçekçi hale gelir.

Derin öğrenme algoritmaları, yapay zekanın bu bilgi işlem sorularına "kaba kuvvet" yaklaşımını denemek yerine doğru cevabı "tahmin etmesine" izin verdiği için, artık daha da yapılabilir hale geldi.

Böyle bir yazılım AlfaKatlama, Alphabet/Google'ın bir kolu olan DeepMind tarafından oluşturulan tescilli bir yapay zeka. AlphaFold 3'ün Mayıs 2024'te piyasaya sürülmesiyle birlikte, önceki sürüm olan AlphaFold 2'nin sonuçlarına ve bunların gerçek hayattaki protein-ligand etkileşimleriyle gerçekten eşleşip eşleşmediğine bakmak faydalı olacaktır.

AlphaFold Nasıl Çalışır?

AlphaFold, bilinen 3 proteinin bilinen 100,000 boyutlu konfigürasyonundan bilgi edinmek üzere tasarlanmıştır. Makine bundan yola çıkarak proteinin nasıl katlandığına dair kurallar ve tahminler bulmaya başladı.

Bu çok önemli bir bilgidir çünkü proteinler hücrelerin çalışmasını sağlayan etkili bir makinedir. İşlevleri yalnızca dizilerine (genomdan bilinebilir) değil, aynı zamanda protein kendi üzerine katlandığındaki 3 boyutlu konfigürasyonlarına da bağlıdır.

Kaynak: Haberler Medikal

Bu 3 boyutlu yapıyı bulmak için manyetik rezonans ve X-ışını kristalografisi gibi teknolojiler kullanılabilir ancak bu çok pahalı ve yavaş bir süreçtir. Ayrıca bazı proteinlerin 3 boyutlu konfigürasyonları bu tekniklerle bulunamamaktadır.

Son olarak, bir proteinin diğer kimyasallarla etkileşime girme şekli, çoğu potansiyel ilacın etkili olması için anahtardır. Bu, soruya başka bir karmaşıklık katmanı ekler.

İnsan vücudunda 300,000, Dünya'da ise 300,000,000 farklı protein varken, AlphaFold gibi başka bir yönteme ihtiyaç var.

AlphaFold 2'nin Geriye Dönük Testi

AlphaFold 2'nin doğruluğunu kontrol etmek, araştırmacıların "AlphaFold2 yapıları ileriye dönük ligand keşfine rehberlik eder anlayışının sonucu olarak, buzdolabında iki üç günden fazla durmayan küçük şişeler elinizin altında bulunur.

Çalışma, Kaliforniya Üniversitesi, Kuzey Carolina Üniversitesi, Stanford Üniversitesi, Harvard Tıp Okulu ve Ukrayna'daki Chemspace LLC'den 20 araştırmacının büyük bir işbirliğiyle gerçekleştirildi.

Araştırmacılar Alzheimer hastalığı ve şizofreni gibi nöropsikiyatrik hastalıklarla ilgili olan sigma-2 ve 5-HT2A adlı iki proteini kullandılar. Bu proteinler kullanıldı çünkü AlphaFold 2, bu proteinleri içeren herhangi bir veri üzerinde eğitilmemişti ve bu da yeni bulguları sıfırdan "çıkarıp çıkaramayacağını" iki kez kontrol etmesine olanak tanıdı.

Retrospektif çalışma

Araştırmacıların yaptığı ilk şey, AlphaFold 2'ye, gerçek hayatta proteine ​​bağlandığını bildikleri ligandlarla olan etkileşimleri sormaktı. Bazı durumlarda etkileşimler doğru şekilde tahmin edildi, ancak her zaman değil.

Bu aslında yeni bir haber değil ve AlphaFold 2 için geriye dönük çalışmaların bu sınırlaması bazen araştırmacıların onun yararlılığını sorgulamasına neden oluyor.

Dolayısıyla bir sonraki adım, AlphaFold'un daha önce bilinmeyen yeni protein-ligand etkileşimlerini bulmaya yardımcı olup olamayacağını kontrol etmekti.

İleriye dönük çalışma

Bu çalışmada araştırmacılar AlphaFold 2'ye proteinlerin yapısını vererek 1.6 milyon potansiyel ligand/ilaçla etkileşimi kontrol etmesini istedi.

AlphaFold, proteinlerin her biri için birkaç ilaç adayı öngördü.

Araştırmacılar daha sonra bu potansiyel ligandların gerçekten işe yarayıp yaramadığını gerçek hayatta kontrol ettiler.

Araştırmacılar, modellerin her biri için protein aktivitesini değiştiren bileşiklerin oranının, sigma-50 reseptörü ve 20-HT2A reseptörleri için sırasıyla %5 ve %2 civarında olduğunu belirledi. %5'ten büyük bir sonuç olağanüstüdür.

İlaç keşfinin samanlıkta manuel olarak iğne bulmaya çok benzediği göz önüne alındığında, ilk denemede iğnenin nerede olduğunu "tahmin etme" konusunda %50'lik bir başarı oranı gerçekten olağanüstüdür.

Bu, milyonlarca potansiyel ilaç adayını içeren kimyasal veritabanlarının dijital olarak taranmasına olanak tanıdığından, ilaç keşif maliyetlerini radikal bir şekilde azaltabilir.

İdeal durum elbette yeni bulunan ilaç adayının zaten FDA onaylı olması ve bilinen bir güvenlik profiline sahip olmasıdır, bu da klinik deneme aşamasını hızlandıracaktır.

Yüz milyonlarca potansiyel kombinasyondan sigma-54 AlphaFold2 protein modellerini kullanan ilaç-protein etkileşimlerinin %2'ü, bağlı bir ilaç adayı aracılığıyla başarıyla etkinleştirildi. Sigma-2 için deneysel model %51 başarı oranıyla benzer sonuçlar verdi.

Bu, geriye dönük çalışmalar her zaman kesin sonuç vermese bile yapay zekanın yeni ligand ilaç keşfi için son derece güçlü bir araç olduğunu gösteriyor.

Yapay Zekanın Sağlık Sektörüne Girişi

ilaç Keşfi

İlaç keşfi, özellikle yeni bir ilaç geliştirmenin maliyetinin son on yılda arttığı göz önüne alındığında, sağlık hizmetlerinde yapay zekanın potansiyelinin büyük bir bölümünü oluşturuyor. genellikle milyar dolar aralığında veya daha fazla bir faturaya ulaşıyor.

AlphaFold sadece bir örnek; bir ilacın güvenliğini doğru bir şekilde değerlendirmek veya onu verimli bir şekilde üretmenin yeni yollarını bulmak da mümkün. Bunun özel mülk yazılımla da olması gerekmiyor; açık kaynaklı yapay zekanın ortaya çıkmasıyla birlikte, "daha önce tartıştığımız gibi gen düzenleme de dahil"Yapay Zeka Destekli Gen Düzenleme 'OpenCRISPR-1 ile Mümkün Oldu''”.

Son olarak, yapay zeka ilaç keşfi, insan dışı proteinleri de hedef alabilir; örneğin, "aşağıda tartışıldığı gibi sıfırdan yeni antibiyotik sınıfları bulmak" gibi.MRSA, Sağlık Hizmetleri Ortamlarında Giderek Yaygınlaşıyor - Yapay Zeka Karşı Mücadele Edecek Bir Araç mı Verdi? anlayışının sonucu olarak, buzdolabında iki üç günden fazla durmayan küçük şişeler elinizin altında bulunur.

Yapay Zeka Teşhisi ve Hasta Yönetimi

Yapay zeka artık kanserin varlığını belirlemek amacıyla radyoloji görüntülerini analiz etmek için kullanılıyor. Makalemizde de tartışıldığı gibi kulak enfeksiyonlarını tespit etme konusunda insan doktorlardan bile daha doğru sonuçlar veriyor.Yapay Zeka, Paha biçilmez Tıbbi Teşhis Aracı Olmaya Hazır anlayışının sonucu olarak, buzdolabında iki üç günden fazla durmayan küçük şişeler elinizin altında bulunur.

Hatta riskli ancak çoğu zaman hayat kurtaran bir ilaç olan TXA'nın bir travma sonrasında ne zaman uygulanması gerektiğini bile belirleyebilir.Makine Öğrenimiyle Modernleştirilmeye Hazırlanan Eski Acil Durum Protokolleri anlayışının sonucu olarak, buzdolabında iki üç günden fazla durmayan küçük şişeler elinizin altında bulunur.

Yüksek Lisans'lar (Büyük Dil Modelleri) de yakında iyi teşhis uzmanları haline gelebilir ve hastalara doktorlarla işbirliği yaparak veya kendi başlarına yardımcı olabilirler.

Yapay Zeka Veri Yönetimi

Hasta verileri eskiden birkaç radyo veya tarayıcı, kan analizleri ve doktorların notlarıyla sınırlıydı.

Yakında yaşam tarzı verilerini (diyet, egzersiz), giyilebilir izleme (uyku, kalp atış hızı, kan basıncı, kan şekeri) ve hatta tam genomik verileri içerecekler.

Yapay zeka ayrıca hasta dosyalarını önceden doldurarak ve birden fazla yazılım ve veri kaynağının entegre edilmesine yardımcı olarak doktor üretkenliğine de yardımcı olabilir.

İlgili verileri bulmak ve bundan sağlık sonuçlarının nasıl iyileştirileceğini belirlemek, giderek daha fazla bu verilerin bir araya getirilmesine ve yapay zekaların bunları analiz etmesine bağlı olacaktır.

Bu, hastalıklar ile yaşam tarzı veya kimyasallar arasında önceden bilinmeyen bağlantılar bularak halk sağlığını iyileştirmenin yeni yollarını bulmamıza olanak tanıyan nüfus ölçeğindeki veri kümeleri için de aynı şekilde geçerli olacaktır.

Robotik

Ameliyatların giderek robotlarla yapılması, cerrahlara daha hassas tedavi ve rahatlık sağlıyor. Ve bu sektör çok hızlı büyüyor.

Kaynak: Grand View Araştırması

Robotlar ayrıca cerrahların yüzlerce veya binlerce kilometre uzakta olmasına ve robotu uzaktan kontrol etmesine olanak tanıyabilir. Makalemizde bu tıp devriminin liderlerini inceledik”En İyi 5 Robotik Cerrahi Hisse Senedi anlayışının sonucu olarak, buzdolabında iki üç günden fazla durmayan küçük şişeler elinizin altında bulunur.

Gelişmiş İmplantlar

Sağlık hizmetlerinde teknolojinin bir diğer fütürist ama artık bilim kurguyla sınırlı olmayan kullanımı ise yapay implantlardır.

Dış iskeletler artık hastalara yardımcı olacak çözümler arasına giriyor.Robotik Yoluyla Bağımsızlık ve Hareketlilik - Exosuit'ler Parkinson Hastalarına Nasıl Yardımcı Olabilir? anlayışının sonucu olarak, buzdolabında iki üç günden fazla durmayan küçük şişeler elinizin altında bulunur.

Bir sonraki adım, özellikle Elon Musk'unki gibi çipler aracılığıyla, doğrudan insan-makine arayüzleri olacak. Neuralink. Sadece bir düşünceyle yapay uzuvları veya bilgisayarları doğrudan kontrol etmek için kullanılabilir.

Beyin implantları, dış iskeletler ve protezler, incelediğimiz devrimin yalnızca birkaç bileşenidir.Sonraki Seviye Evrim: İnsan Vücudunu Anthrobotlar, Organik Transistörler, Beyin İmplantları ve Daha Fazlasıyla Geliştirmek anlayışının sonucu olarak, buzdolabında iki üç günden fazla durmayan küçük şişeler elinizin altında bulunur.

Yapay Zeka İlaç Keşfi Şirketleri

(Bu listedeki şirketler NVIDIA donanımı gibi yapay zeka araçlarını kullanacak. Ancak burada genel olarak yapay zekaya değil, tamamen ilaç keşif şirketlerine odaklanıyoruz. veya Google gibi teknoloji şirketleri).

1. Schrödinger, Inc.

Şirket, belirli bir amaç için mümkün olan en iyi molekülü bulmak, güç, çözünürlük, yarı ömür, sentezlenebilirlik vb. gibi çelişkili ölçümleri dengelemek için fizik tabanlı modellerde uzmanlaşmıştır.

Aynı zamanda "normal" makine öğrenimini de kullanıyor, ancak fizik tabanlı bir modelin eklenmesi, yapay zekayı "eğitmek" için hiçbir veri setinin mevcut olmadığı tamamen yeni alanlarda test edilmesine olanak tanıyor. Bu, Schrödinger'in yalnızca dijital hesaplama yoluyla birkaç gün içinde 1 milyar potansiyel molekülden yalnızca 8 katı adaya ulaşmasını sağlıyor.

Kaynak: Schrödinger

Schrödinger, Bayer ile 5'de 2020 milyon dolar gelir sağlayacak 10 yıllık bir işbirliği anlaşması imzaladı. Anlaşmanın amacı Schrödinger teknolojisinin Bayer in-silico tahmin modelleriyle birlikte kullanılmasıdır.

Yakın zamanda gerçekleşen bir diğer ortaklık ise 2022'de Lilly ileBaşarılı keşif için toplam 425 milyon ABD dolarına varan aşama ödemeleri.

Geçmişteki işbirlikleri arasında Takeda, Sanofi Bristol Myers Squibb ve diğer küçük ilaç firmaları yer alıyordu.

Genel olarak Schrödinger, giderek daha fazla tescilli ve tamamen sahip olunan molekülleri içeren büyüyen bir portföy oluşturuyor. Şu anda 8 ürünü var tescilli boru hattı2'si klinik denemelerin birinci aşamasında. Ve ortak programlarda ve işbirliklerinde 23 ürün; 5'i faz I'de ve 3'ü klinik denemelerin faz II'sinde.

Kaynak: Schrödinger

Ön gelir elde etmese de şirket hala kârlı değil ve teknolojisini geliştirmek için genişlemeye ve Ar-Ge harcamalarına odaklanıyor. Şirketin bilançosunda birkaç yıllık faaliyet değerinde nakit bulunduğundan, kısa vadede bu ciddi bir endişe yaratmamalıdır.

Ayrıca karmaşık biyofarmasötikler ve hatta kimyasallar, piller veya polimerler gibi malzemeler gibi ilaç keşfinin ötesinde yeni segmentlere doğru genişlemeyi de hedefliyor.

Kaynak: Schrödinger

Yatırımcılar, sektör liderleri tarafından gizli verilerden değerlendirilen Schrödinger teknolojisindeki ilerlemeleri ve temel teknolojinin yeni pazarlara genişletilmesindeki olası başarıyı yansıtacağından, yeni işbirliklerini yakından takip etmek isteyeceklerdir.

2. Excientia

Şirket geliştirmek için yapay zekayı kullanıyor hassas terapiler. İlaç keşif sürecinin her aşamasında özel yazılımla birlikte "tam kapsamlı" bir AI ilaç keşif teknolojisi çalıştırır.

Kaynak: Excientia

Exscientia, mevcut moleküllere bakmak yerine Hassas Tasarım Yapay Zekası bulduğu hedefe uyacak özel moleküller tasarlar Hassas Hedef Yapay Zekası.

Exscientia'nın teknolojisi, biyolojik bir hedeften ilgili ilacın bulunmasına kadar gereken süreyi %70 oranında azaltır ve sermaye açısından %80 daha verimli bir süreç sağlar.

Zaman ve maliyet tasarrufunun bir kısmı oldukça otomatikleştirilmiş bir süreçten kaynaklanmaktadır: "tüm deney döngüsü boyunca kapsamlı robotik otomasyon anlayışının sonucu olarak, buzdolabında iki üç günden fazla durmayan küçük şişeler elinizin altında bulunur.

Bu, erken klinik aşamalarda, esas olarak onkoloji (kanser) ve inflamatuar hastalıklara odaklanan 4 bileşiğin ortaya çıkmasıyla sonuçlandı. Şirketin ticari öncesi dönüm noktası potansiyeli 4 milyar dolardır.

Kaynak: Excientia

Şirket henüz gelir kaydetmeye başlıyor ancak bilançosunda birkaç yıllık harcamaya değecek kadar uzun bir nakit akışı var.

Exscientia, yapay zeka ilaç keşfi ile hassas terapi arasındaki kavşakta yer alarak tıp biliminin en dönüştürücü iki alanını hedefliyor. Merck, Sanofi ve BMI ile kurulan ortaklığa bakıldığında, diğer köklü ilaç şirketleri de platformun büyük bir potansiyele sahip olduğunu düşünüyor.