Χρήση γενετικής τεχνητής νοημοσύνης για τη δημιουργία καλύτερων, πιο ισχυρών φαρμάκων

30 Μαΐου 2023 (Ειδήσεις Nanowerk) Ενώ μπορεί να χρειαστούν χρόνια για τη φαρμακοβιομηχανία να δημιουργήσει φάρμακα ικανά να θεραπεύουν ή να θεραπεύουν ανθρώπινες ασθένειες, μια νέα μελέτη προτείνει ότι η χρήση γενετικών τεχνητή νοημοσύνη θα μπορούσε να επιταχύνει κατά πολύ τη διαδικασία ανάπτυξης φαρμάκων. Σήμερα, οι περισσότερες ανακαλύψεις φαρμάκων πραγματοποιούνται από ανθρώπους χημικούς που βασίζονται στη γνώση και την εμπειρία τους για να επιλέξουν και να συνθέσουν τα σωστά μόρια που χρειάζονται για να γίνουν τα ασφαλή και αποτελεσματικά φάρμακα στα οποία βασιζόμαστε. Για να προσδιορίσουν τα μονοπάτια σύνθεσης, οι επιστήμονες χρησιμοποιούν συχνά μια τεχνική που ονομάζεται ρετροσύνθεση - μια μέθοδος για τη δημιουργία πιθανών φαρμάκων δουλεύοντας προς τα πίσω από τα επιθυμητά μόρια και αναζητώντας χημικές αντιδράσεις για την παραγωγή τους. Ωστόσο, επειδή το κοσκίνισμα εκατομμυρίων πιθανών χημικών αντιδράσεων μπορεί να είναι μια εξαιρετικά προκλητική και χρονοβόρα προσπάθεια, ερευνητές στο Πολιτειακό Πανεπιστήμιο του Οχάιο δημιούργησαν ένα πλαίσιο τεχνητής νοημοσύνης που ονομάζεται G2Ρετρό για αυτόματη δημιουργία αντιδράσεων για οποιοδήποτε δεδομένο μόριο. Η νέα μελέτη έδειξε ότι σε σύγκριση με τις τρέχουσες μεθόδους χειροκίνητου σχεδιασμού, το πλαίσιο ήταν σε θέση να καλύψει ένα τεράστιο εύρος πιθανών χημικών αντιδράσεων καθώς και να διακρίνει με ακρίβεια και ταχύτητα ποιες αντιδράσεις θα μπορούσαν να λειτουργήσουν καλύτερα για τη δημιουργία ενός συγκεκριμένου μορίου φαρμάκου. «Η χρήση της τεχνητής νοημοσύνης για πράγματα κρίσιμα για τη διάσωση ανθρώπινων ζωών, όπως η ιατρική, είναι αυτό στο οποίο θέλουμε πραγματικά να εστιάσουμε», δήλωσε η Xia Ning, επικεφαλής συγγραφέας της μελέτης και αναπληρωτής καθηγητής επιστήμης υπολογιστών και μηχανικής στην Πολιτεία του Οχάιο. «Στόχος μας ήταν να χρησιμοποιήσουμε την τεχνητή νοημοσύνη για να επιταχύνουμε τη διαδικασία σχεδιασμού φαρμάκων και διαπιστώσαμε ότι όχι μόνο εξοικονομεί χρόνο και χρήμα στους ερευνητές, αλλά παρέχει σε υποψήφια φάρμακα που μπορεί να έχουν πολύ καλύτερες ιδιότητες από οποιαδήποτε μόρια υπάρχουν στη φύση». Αυτή η μελέτη βασίζεται σε προηγούμενη έρευνα της Ning όπου η ομάδα της ανέπτυξε μια μέθοδο με το όνομα Modof που ήταν σε θέση να δημιουργήσει δομές μορίων που εμφάνιζαν τις επιθυμητές ιδιότητες καλύτερα από οποιαδήποτε υπάρχοντα μόρια. «Τώρα το ερώτημα είναι πώς να δημιουργηθούν τέτοια δημιουργούμενα μόρια, και εκεί είναι που λάμπει αυτή η νέα μελέτη», δήλωσε ο Ning, επίσης αναπληρωτής καθηγητής βιοϊατρικής πληροφορικής στο College of Medicine. Η μελέτη δημοσιεύτηκε στο περιοδικό Χημεία Επικοινωνιών ("G2Το ρετρό ως μοντέλα παραγωγής γραφημάτων δύο βημάτων για πρόβλεψη ρετροσύνθεσης"). Η ομάδα του Ning εκπαίδευσε τον G2Ρετρό σε ένα σύνολο δεδομένων που περιέχει 40,000 χημικές αντιδράσεις που συλλέχθηκαν μεταξύ 1976 και 2016. Το πλαίσιο «μαθαίνει» από αναπαραστάσεις δεδομένων μορίων που βασίζονται σε γραφήματα και χρησιμοποιεί βαθιά νευρωνικά δίκτυα για να δημιουργήσει πιθανές δομές αντιδραστηρίων που θα μπορούσαν να χρησιμοποιηθούν για τη σύνθεσή τους. Η παραγωγική του δύναμη είναι τόσο εντυπωσιακή που, σύμφωνα με τον Ning, όταν του δόθηκε ένα μόριο, ο G2Το Retro θα μπορούσε να βρει εκατοντάδες νέες προβλέψεις αντίδρασης μέσα σε λίγα μόνο λεπτά. «Η γενετική μας μέθοδος AI G2Το Retro είναι σε θέση να παρέχει πολλαπλές διαφορετικές διαδρομές και επιλογές σύνθεσης, καθώς και έναν τρόπο ταξινόμησης διαφορετικών επιλογών για κάθε μόριο», δήλωσε ο Ning. «Αυτό δεν πρόκειται να αντικαταστήσει τα τρέχοντα πειράματα που βασίζονται στο εργαστήριο, αλλά θα προσφέρει περισσότερες και καλύτερες επιλογές φαρμάκων, ώστε τα πειράματα να μπορούν να τεθούν σε προτεραιότητα και να επικεντρωθούν πολύ πιο γρήγορα». Για να ελέγξει περαιτέρω την αποτελεσματικότητα του AI, η ομάδα του Ning διεξήγαγε μια μελέτη περίπτωσης για να δει εάν ο G2Το Retro θα μπορούσε να προβλέψει με ακρίβεια τέσσερα νέα φάρμακα που κυκλοφορούν ήδη: το Mitapivat, ένα φάρμακο που χρησιμοποιείται για τη θεραπεία της αιμολυτικής αναιμίας. Tapinarof, το οποίο χρησιμοποιείται για τη θεραπεία διαφόρων δερματικών παθήσεων. Mavacamten, ένα φάρμακο για τη θεραπεία της συστηματικής καρδιακής ανεπάρκειας. και Οτεσεκοναζόλη, που χρησιμοποιείται για τη θεραπεία μυκητιασικών λοιμώξεων στις γυναίκες. σολ2Η Retro μπόρεσε να δημιουργήσει σωστά ακριβώς τις ίδιες πατενταρισμένες διαδρομές σύνθεσης για αυτά τα φάρμακα και παρείχε εναλλακτικές οδούς σύνθεσης που είναι επίσης εφικτές και συνθετικά χρήσιμες, είπε ο Ning. Έχοντας μια τόσο δυναμική και αποτελεσματική συσκευή στη διάθεση των επιστημόνων θα μπορούσε να επιτρέψει στη βιομηχανία να παράγει ισχυρότερα φάρμακα με ταχύτερο ρυθμό – αλλά παρά το πλεονέκτημα που μπορεί να προσφέρει η τεχνητή νοημοσύνη στους επιστήμονες μέσα στο εργαστήριο, ο Ning τονίζει τα φάρμακα G2Η ρετρό ή οποιαδήποτε δημιουργία τεχνητής νοημοσύνης που δημιουργείται πρέπει να επικυρωθεί - μια διαδικασία που περιλαμβάνει τη δοκιμή των δημιουργούμενων μορίων σε ζωικά μοντέλα και αργότερα σε δοκιμές σε ανθρώπους. «Είμαστε πολύ ενθουσιασμένοι με τη γενετική τεχνητή νοημοσύνη για την ιατρική και είμαστε αφοσιωμένοι στη χρήση της τεχνητής νοημοσύνης υπεύθυνα για τη βελτίωση της ανθρώπινης υγείας», δήλωσε ο Νινγκ.

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoAiStream. Web3 Data Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• Minting the Future με την Adryenn Ashley. Πρόσβαση εδώ.
• Αγορά και πώληση μετοχών σε εταιρείες PRE-IPO με το PREIPO®. Πρόσβαση εδώ.
• πηγή: https://www.nanowerk.com/news2/robotics/newsid=63078.php