Använder generativ AI för att skapa bättre, mer potenta läkemedel

Använder generativ AI för att skapa bättre, mer potenta läkemedel

Tidsstämpel: 30 maj 2023 3:33
Källnod: 2689030
30 maj 2023 (Nanowerk Nyheter) Även om det kan ta år för läkemedelsindustrin att skapa läkemedel som kan behandla eller bota mänskliga sjukdomar, tyder en ny studie på att användning av generativa artificiell intelligens skulle kunna påskynda läkemedelsutvecklingsprocessen avsevärt. Idag utförs de flesta läkemedelsupptäckten av mänskliga kemister som förlitar sig på sin kunskap och erfarenhet för att välja och syntetisera de rätta molekylerna som behövs för att bli de säkra och effektiva läkemedel vi är beroende av. För att identifiera syntesvägarna använder forskare ofta en teknik som kallas retrosyntes – en metod för att skapa potentiella droger genom att arbeta bakåt från de önskade molekylerna och söka efter kemiska reaktioner för att göra dem. Men eftersom att sålla igenom miljontals potentiella kemiska reaktioner kan vara en extremt utmanande och tidskrävande strävan, har forskare vid Ohio State University skapat ett AI-ramverk som heter G2Retro för att automatiskt generera reaktioner för en given molekyl. Den nya studien visade att jämfört med nuvarande manuella planeringsmetoder kunde ramverket täcka ett enormt spektrum av möjliga kemiska reaktioner samt exakt och snabbt urskilja vilka reaktioner som kan fungera bäst för att skapa en given läkemedelsmolekyl. "Att använda AI för saker som är avgörande för att rädda människoliv, som medicin, är vad vi verkligen vill fokusera på", säger Xia Ning, huvudförfattare till studien och docent i datavetenskap och teknik vid Ohio State. "Vårt mål var att använda AI för att påskynda läkemedelsdesignprocessen, och vi fann att det inte bara sparar tid och pengar för forskare utan ger läkemedelskandidater som kan ha mycket bättre egenskaper än alla molekyler som finns i naturen." Denna studie bygger på tidigare forskning från Ning där hennes team utvecklade en metod som heter Modof som kunde generera molekylstrukturer som uppvisade önskade egenskaper bättre än alla befintliga molekyler. "Nu blir frågan hur man gör sådana genererade molekyler, och det är där denna nya studie lyser", säger Ning, också docent i biomedicinsk informatik vid College of Medicine. Studien publicerades i tidskriften Kommunikationskemi (”G2Retro as a two-step graph generative models for retrosynthesis prediction”). Nings lag tränade G2Retro på en datauppsättning som innehåller 40,000 1976 kemiska reaktioner insamlade mellan 2016 och XNUMX. Ramverket "lär sig" från grafbaserade representationer av givna molekyler och använder djupa neurala nätverk för att generera möjliga reaktantstrukturer som skulle kunna användas för att syntetisera dem. Dess generativa kraft är så imponerande att, enligt Ning, en gång fått en molekyl, G2Retro kan komma med hundratals nya reaktionsförutsägelser på bara några minuter. "Vår generativa AI-metod G2Retro kan tillhandahålla flera olika syntesvägar och alternativ, såväl som ett sätt att rangordna olika alternativ för varje molekyl, säger Ning. "Detta kommer inte att ersätta nuvarande labbbaserade experiment, men det kommer att erbjuda fler och bättre läkemedelsalternativ så att experiment kan prioriteras och fokuseras mycket snabbare." För att ytterligare testa AI:s effektivitet genomförde Nings team en fallstudie för att se om G2Retro kunde exakt förutsäga fyra nyligen släppta läkemedel som redan är i omlopp: Mitapivat, en medicin som används för att behandla hemolytisk anemi; Tapinarof, som används för att behandla olika hudsjukdomar; Mavacamten, ett läkemedel för behandling av systemisk hjärtsvikt; och Oteseconazole, som används för att behandla svampinfektioner hos kvinnor. G2Retro kunde korrekt generera exakt samma patenterade syntesvägar för dessa läkemedel, och gav alternativa syntesvägar som också är genomförbara och syntetiskt användbara, sa Ning. Att ha en sådan dynamisk och effektiv enhet till forskarnas förfogande skulle kunna göra det möjligt för industrin att tillverka starkare läkemedel i en snabbare takt – men trots den fördel som AI kan ge forskare inne i labbet, betonar Ning medicinerna G2Retro eller något generativt AI-skapande behöver fortfarande valideras – en process som innebär att de skapade molekylerna testas i djurmodeller och senare i försök på människor. "Vi är mycket glada över generativ AI för medicin, och vi är dedikerade till att använda AI på ett ansvarsfullt sätt för att förbättra människors hälsa", säger Ning.

Tidsstämpel:

Mer från Nanoverk