การใช้ generative AI เพื่อสร้างยาที่ดีและมีศักยภาพมากขึ้น

การใช้ generative AI เพื่อสร้างยาที่ดีและมีศักยภาพมากขึ้น

ประทับเวลา: 30 พฤษภาคม 2023 3:33 น
โหนดต้นทาง: 2689030
30 พฤษภาคม 2023 (ข่าวนาโนเวิร์ค) แม้ว่าอุตสาหกรรมยาอาจต้องใช้เวลาหลายปีในการสร้างยาที่สามารถรักษาหรือรักษาโรคในมนุษย์ได้ แต่การศึกษาใหม่ชี้ให้เห็นว่าการใช้ generative ปัญญาประดิษฐ์ สามารถเร่งกระบวนการพัฒนายาได้อย่างมาก ปัจจุบัน การค้นพบยาส่วนใหญ่ดำเนินการโดยนักเคมีที่เป็นมนุษย์ซึ่งอาศัยความรู้และประสบการณ์ในการเลือกและสังเคราะห์โมเลกุลที่เหมาะสมซึ่งจำเป็นต่อการเป็นยาที่ปลอดภัยและมีประสิทธิภาพที่เราพึ่งพา เพื่อระบุเส้นทางการสังเคราะห์ นักวิทยาศาสตร์มักใช้เทคนิคที่เรียกว่าการสังเคราะห์ย้อนหลัง ซึ่งเป็นวิธีการสร้างยาที่มีศักยภาพโดยการทำงานย้อนกลับจากโมเลกุลที่ต้องการและค้นหาปฏิกิริยาทางเคมีเพื่อสร้างยาเหล่านั้น แต่เนื่องจากการกรองปฏิกิริยาเคมีที่อาจเกิดขึ้นนับล้านอาจเป็นความพยายามที่ท้าทายและใช้เวลานาน นักวิจัยจากมหาวิทยาลัยแห่งรัฐโอไฮโอจึงได้สร้างกรอบงาน AI ที่เรียกว่า G2ย้อนยุคเพื่อสร้างปฏิกิริยาโดยอัตโนมัติสำหรับโมเลกุลที่กำหนด การศึกษาใหม่แสดงให้เห็นว่าเมื่อเทียบกับวิธีการวางแผนด้วยตนเองในปัจจุบัน กรอบการทำงานสามารถครอบคลุมปฏิกิริยาเคมีที่เป็นไปได้มากมายมหาศาล ตลอดจนแยกแยะได้อย่างแม่นยำและรวดเร็วว่าปฏิกิริยาใดอาจทำงานได้ดีที่สุดในการสร้างโมเลกุลยาที่กำหนด “การใช้ AI เพื่อสิ่งที่สำคัญต่อการช่วยชีวิตมนุษย์ เช่น การแพทย์ เป็นสิ่งที่เราต้องการมุ่งเน้นจริงๆ” Xia Ning ผู้เขียนหลักของการศึกษาวิจัยและรองศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์และวิศวกรรมศาสตร์แห่งรัฐโอไฮโอกล่าว “เป้าหมายของเราคือการใช้ AI เพื่อเร่งกระบวนการออกแบบยา และเราพบว่ามันไม่เพียงช่วยประหยัดเวลาและเงินนักวิจัยเท่านั้น แต่ยังให้ผู้สมัครรับยาที่อาจมีคุณสมบัติที่ดีกว่าโมเลกุลใดๆ ที่มีอยู่ในธรรมชาติ” การศึกษานี้ต่อยอดจากงานวิจัยก่อนหน้าของ Ning's ซึ่งทีมของเธอได้พัฒนาวิธีการชื่อ Modof ซึ่งสามารถสร้างโครงสร้างโมเลกุลที่แสดงคุณสมบัติที่ต้องการได้ดีกว่าโมเลกุลที่มีอยู่ “ตอนนี้คำถามกลายเป็นว่าจะสร้างโมเลกุลที่สร้างขึ้นได้อย่างไร และนั่นคือจุดที่การศึกษาใหม่นี้ส่องประกาย” หนิง รองศาสตราจารย์ด้านสารสนเทศชีวการแพทย์ในวิทยาลัยแพทยศาสตร์กล่าว การศึกษานี้ตีพิมพ์ในวารสาร เคมีการสื่อสาร ("G2ย้อนยุคเป็นแบบจำลองการสร้างกราฟสองขั้นตอนสำหรับการทำนายการสังเคราะห์ย้อนกลับ"). ทีมหนิงฝึกจี2ย้อนยุคบนชุดข้อมูลที่มีปฏิกิริยาเคมี 40,000 รายการที่รวบรวมระหว่างปี 1976 ถึง 2016 กรอบงาน "เรียนรู้" จากการเป็นตัวแทนตามกราฟของโมเลกุลที่กำหนด และใช้โครงข่ายประสาทเทียมเชิงลึกเพื่อสร้างโครงสร้างสารตั้งต้นที่เป็นไปได้ที่สามารถใช้เพื่อสังเคราะห์พวกมันได้ พลังการกำเนิดของมันน่าประทับใจมาก ตามที่ Ning กล่าว เมื่อได้รับโมเลกุล G2Retro สามารถคาดการณ์ปฏิกิริยาใหม่ได้หลายร้อยรายการในเวลาเพียงไม่กี่นาที “วิธีการสร้าง AI ของเรา G2Retro สามารถจัดหาเส้นทางและตัวเลือกการสังเคราะห์ที่แตกต่างกันได้หลากหลาย รวมถึงวิธีจัดอันดับตัวเลือกที่แตกต่างกันสำหรับแต่ละโมเลกุล” Ning กล่าว “นี่จะไม่มาแทนที่การทดลองในห้องปฏิบัติการในปัจจุบัน แต่จะเสนอตัวเลือกยาที่มากขึ้นและดีขึ้น เพื่อให้สามารถจัดลำดับความสำคัญและมุ่งเน้นการทดลองได้เร็วยิ่งขึ้น” เพื่อทดสอบประสิทธิภาพของ AI เพิ่มเติม ทีมของ Ning ได้ทำกรณีศึกษาเพื่อดูว่า G2Retro สามารถทำนายยาที่ออกใหม่สี่ตัวที่หมุนเวียนอยู่แล้วได้อย่างแม่นยำ ได้แก่ Mitapivat ซึ่งเป็นยาที่ใช้รักษาโรคโลหิตจางจากเม็ดเลือดแดงแตก; Tapinarof ซึ่งใช้ในการรักษาโรคผิวหนังต่างๆ Mavacamten ยารักษาภาวะหัวใจล้มเหลวอย่างเป็นระบบ และ Oteseconazole ใช้รักษาโรคติดเชื้อราในสตรี ช2Retro สามารถสร้างเส้นทางการสังเคราะห์ที่ได้รับสิทธิบัตรเดียวกันสำหรับยาเหล่านี้ได้อย่างถูกต้องทุกประการ และให้เส้นทางการสังเคราะห์ทางเลือกที่เป็นไปได้และมีประโยชน์ในการสังเคราะห์ด้วย Ning กล่าว การมีอุปกรณ์แบบไดนามิกและมีประสิทธิภาพในการกำจัดของนักวิทยาศาสตร์สามารถช่วยให้อุตสาหกรรมสามารถผลิตยาที่แข็งแกร่งขึ้นได้อย่างรวดเร็ว แต่ถึงแม้ AI ที่ล้ำสมัยอาจให้นักวิทยาศาสตร์ในห้องปฏิบัติการ Ning ก็เน้นย้ำถึงยา G2การสร้าง AI ย้อนยุคหรือเจนเนอเรชั่นใดๆ ยังคงต้องมีการตรวจสอบ ซึ่งเป็นกระบวนการที่เกี่ยวข้องกับโมเลกุลที่สร้างขึ้นซึ่งได้รับการทดสอบในแบบจำลองสัตว์และในการทดลองในมนุษย์ในภายหลัง “เรารู้สึกตื่นเต้นมากกับ Generative AI สำหรับการแพทย์ และเราทุ่มเทให้กับการใช้ AI อย่างมีความรับผิดชอบเพื่อปรับปรุงสุขภาพของมนุษย์” หนิงกล่าว

ประทับเวลา:

เพิ่มเติมจาก นาโนเวิร์ค