생성 AI를 사용하여 더 우수하고 강력한 의약품 개발

생성 AI를 사용하여 더 우수하고 강력한 의약품 개발

타임 스탬프 : 30 년 2023 월 3 일 오후 33:XNUMX
소스 노드 : 2689030
30 년 2023 월 XNUMX 일 (나노 워크 뉴스) 제약 산업이 인간의 질병을 치료할 수 있는 의약품을 만드는 데 수년이 걸릴 수 있지만, 새로운 연구에 따르면 생성 기술을 사용하는 것이 좋습니다. 인공 지능 약물 개발 과정을 크게 가속화할 수 있습니다. 오늘날 대부분의 약물 발견은 우리가 의존하는 안전하고 효율적인 의약품이 되기 위해 필요한 올바른 분자를 선택하고 합성하기 위해 자신의 지식과 경험에 의존하는 인간 화학자들에 의해 수행됩니다. 합성 경로를 식별하기 위해 과학자들은 종종 역합성이라는 기술을 사용합니다. 이는 원하는 분자에서 역방향으로 작업하고 이를 만들기 위한 화학 반응을 검색하여 잠재적인 약물을 생성하는 방법입니다. 그러나 수백만 개의 잠재적인 화학 반응을 선별하는 것은 극도로 어렵고 시간이 많이 걸리는 노력이기 때문에 오하이오 주립 대학의 연구원들은 G라는 AI 프레임워크를 만들었습니다.2Retro는 특정 분자에 대한 반응을 자동으로 생성합니다. 새로운 연구는 현재의 수동 계획 방법과 비교할 때 프레임워크가 가능한 화학 반응의 엄청난 범위를 포괄할 수 있을 뿐만 아니라 특정 약물 분자를 생성하는 데 가장 적합한 반응을 정확하고 신속하게 식별할 수 있음을 보여주었습니다. 이번 연구의 주저자이자 오하이오 주립대 컴퓨터 과학 및 공학 부교수인 Xia Ning은 “의학 등 인간의 생명을 구하는 데 중요한 분야에 AI를 사용하는 것이 우리가 정말로 집중하고 싶은 것입니다.”라고 말했습니다. "우리의 목표는 AI를 사용하여 약물 설계 프로세스를 가속화하는 것이었고, 이것이 연구자의 시간과 비용을 절약할 뿐만 아니라 자연에 존재하는 어떤 분자보다 훨씬 더 나은 특성을 가질 수 있는 약물 후보를 제공한다는 사실을 발견했습니다." 이 연구는 Ning의 팀이 기존 분자보다 원하는 특성을 더 잘 나타내는 분자 구조를 생성할 수 있는 Modof라는 방법을 개발한 Ning의 이전 연구를 기반으로 합니다. "이제 문제는 생성된 분자를 어떻게 만드는가 하는 것이며, 이것이 바로 이 새로운 연구가 빛을 발하는 부분입니다"라고 의과대학 생물의학 정보학 부교수인 Ning이 말했습니다. 해당 연구는 저널에 게재되었습니다. 통신화학 ("G2Retro as a two-step graph generative models for retrosynthesis prediction"). Ning의 팀은 G를 훈련했습니다.240,000년부터 1976년 사이에 수집된 2016개의 화학 반응이 포함된 데이터 세트에 대한 레트로입니다. 프레임워크는 주어진 분자의 그래프 기반 표현으로부터 "학습"하고 심층 신경 네트워크를 사용하여 이를 합성하는 데 사용할 수 있는 가능한 반응물 구조를 생성합니다. 그 생성력은 너무나 인상적이어서 Ning에 따르면 일단 분자가 주어지면 G2Retro는 단 몇 분만에 수백 가지의 새로운 반응 예측을 내놓을 수 있습니다. “우리의 생성 AI 방식 G2Retro는 다양한 합성 경로와 옵션을 제공할 수 있을 뿐만 아니라 각 분자에 대해 다양한 옵션의 순위를 매기는 방법도 제공할 수 있습니다.”라고 Ning은 말했습니다. "이것은 현재의 실험실 기반 실험을 대체하지는 않지만 더 많은 더 나은 약물 옵션을 제공하여 실험의 우선순위를 지정하고 훨씬 더 빠르게 집중할 수 있게 할 것입니다." AI의 효율성을 추가로 테스트하기 위해 Ning 팀은 사례 연구를 수행하여 G가2레트로는 이미 유통 중인 새로 출시된 XNUMX가지 약물을 정확하게 예측할 수 있었습니다. 각종 피부질환 치료에 사용되는 타피나로프; 전신성 심부전을 치료하는 약물인 Mavacamten; 여성의 곰팡이 감염을 치료하는 데 사용되는 오테세코나졸. G2Retro는 이들 의약품에 대해 정확히 동일한 특허 합성 경로를 정확하게 생성할 수 있었고, 실현 가능하고 합성적으로 유용한 대체 합성 경로를 제공했다고 Ning은 말했습니다. 과학자들이 이러한 역동적이고 효과적인 장치를 사용할 수 있게 되면 업계에서는 더 빠른 속도로 더 강력한 약물을 제조할 수 있습니다. 그러나 AI가 실험실 내부의 과학자들에게 제공할 수 있는 이점에도 불구하고 Ning은 의약품 G를 강조합니다.2레트로 또는 생성적 AI 생성은 여전히 ​​검증이 필요합니다. 생성된 분자를 동물 모델에서 테스트하고 나중에 인간 실험에서 테스트하는 프로세스입니다. Ning은 “우리는 의학용 생성 AI에 대해 매우 기대하고 있으며 AI를 책임감 있게 사용하여 인류 건강을 개선하는 데 전념하고 있습니다.”라고 말했습니다.

타임 스탬프 :

더보기 나노 워크