ИИ в открытии лекарств
ИИ в разработке лекарств использует машинное обучение для прогнозирования молекулярного поведения, разработки новых соединений и сокращения лет и миллиардов, которые обычно необходимы для поиска жизнеспособного лекарства.
Обзор
It is reshaping the slowest, riskiest part of pharma.
Глубокое погружение
Вывод препарата на рынок традиционно занимает от 10 до 15 лет и требует более миллиарда долларов, при этом большинство кандидатов терпят неудачу. ИИ атакует несколько узких мест. При идентификации целей моделируют данные геномики и белков, чтобы найти белки, связанные с заболеваниями, которые стоит принимать лекарствами. Генеративные модели предлагают новые молекулы с желаемыми свойствами, а виртуальный скрининг ранжирует миллионы соединений без лабораторного синтеза. AlphaFold компании DeepMind предсказал трехмерные структуры более чем 200 миллионов белков, дав исследователям чертежи, которые когда-то требовали многих лет кристаллографии. Такие компании, как Insilico Medicine и Recursion, сейчас используют молекулы, разработанные с помощью ИИ, в испытаниях на людях. ИИ также заранее прогнозирует токсичность и ADME (абсорбцию, распределение, метаболизм, выведение), убивая плохих кандидатов до дорогостоящих испытаний.
Техническая информация
Молекулы часто представляются в виде графов (атомы — в виде узлов, связи — в виде ребер) и обрабатываются графовыми нейронными сетями или в виде текстовых строк, называемых SMILES, которые передаются в модели последовательностей. Генеративные подходы, такие как вариационные автоэнкодеры и диффузионные модели, отбирают новые структуры в изученном химическом пространстве, оптимизируя сродство связывания и сходство с лекарственными средствами. AlphaFold использует глубокое обучение на основе внимания, обученное на базе банка данных белков, чтобы предсказать, как аминокислотные цепи складываются в трехмерные формы, определяющие функцию.
Стратегическое воздействие
Контекст и правила
Отраслевой контекст определяет, выживут ли идеи ИИ при контакте с реальностью.
Контроль качества
Ограничения предметной области влияют на приемлемый уровень ошибок и модели надзора.
Выбор сборки
Успешные развертывания позволяют согласовать технические возможности с рабочими процессами на переднем крае.
Будущее искусственного интеллекта в открытии лекарств
Передовой рубеж — это замкнутые беспилотные лаборатории, где ИИ предлагает молекулы, роботы синтезируют и тестируют их, а результаты переобучают модель в течение нескольких дней. Ожидайте, что генеративная химия будет настроена на основе отзывов лабораторий, антител и РНК-терапии, разработанных с помощью искусственного интеллекта, а также базовых моделей, обученных в рамках биологии. Регулирующие органы разрабатывают руководство для кандидатов на основе ИИ. Серьезным испытанием остаются клинические испытания, в которых сложность биологии все еще затрудняет прогнозирование, поэтому самым большим краткосрочным выигрышем ИИ станет более быстрое, дешевое и разумное доклиническое принятие решений.
Реальная реализация
Открытая база данных AlphaFold позволяет исследователям по всему миру искать предсказанные трехмерные структуры белков для разработки лекарств.
Компания Insilico Medicine провела клинические испытания на людях препарата от идиопатического легочного фиброза, открытого с помощью искусственного интеллекта.
Фармацевтические команды используют виртуальный скрининг для компьютерного ранжирования миллионов молекул-кандидатов, тестируя в лаборатории только самые многообещающие.
Модели токсичности искусственного интеллекта предсказывают, нанесет ли кандидат вред печени или сердцу, устраняя опасные соединения перед тестированием на животных.
Риски и ограничения
Нормативные требования могут сделать недействительными сильные прототипы.
Исторические данные могут отражать предвзятость, которая наносит вред конкретным сообществам.
Устаревшие системы могут создавать узкие места в интеграции и скрытые затраты.
Дорожная карта реализации
Привлекайте экспертов в предметной области от постановки проблемы до оценки.
Разработайте журналы аудита и документацию перед запуском.
Заблаговременно проверяйте соответствие требованиям и обязательства по безопасности.
Развертывание поэтапно с четкими критериями остановки и отката.
Продолжайте исследовать
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Drug Discovery quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Следующее руководство
Открытие лекарств в изоморфных лабораториях
Часто задаваемые вопросы
What is AI in Drug Discovery?
ИИ в разработке лекарств использует машинное обучение для прогнозирования молекулярного поведения, разработки новых соединений и сокращения лет и миллиардов, которые обычно необходимы для поиска жизнеспособного лекарства. Он меняет самую медленную и рискованную часть фармацевтической отрасли.
Какие достижения AlphaFold компании DeepMind способствовали открытию лекарств?
AlphaFold использовала глубокое обучение для прогнозирования трехмерных структур белков в больших масштабах, предоставляя исследователям структурные чертежи, на которые раньше уходили годы экспериментов.
Как молекулы обычно представляются в моделях машинного обучения?
Молекулы естественным образом представляют собой графы (атомы = узлы, связи = ребра), обрабатываемые нейронными сетями графов или закодированные как строки SMILES для моделей последовательностей.
Что такое «виртуальный скрининг» при открытии лекарств с использованием ИИ?
Виртуальный скрининг использует модели для оценки огромных библиотек молекул in silico, поэтому в лаборатории создаются и тестируются только лучшие кандидаты.
Почему раннее прогнозирование ADME и токсичности так ценно?
Раннее прогнозирование абсорбции, метаболизма и токсичности убивает плохих кандидатов до дорогостоящих испытаний на животных и людях, экономя время и деньги.
Какие методы генеративного искусственного интеллекта используются для создания новых молекул?
Генеративные модели, такие как VAE и диффузионные модели, отбирают новые структуры из изученного химического пространства, оптимизируя желаемые свойства.