İlaç Keşfinde Yapay Zeka
İlaç keşfinde yapay zeka, moleküler davranışı tahmin etmek, yeni bileşikler tasarlamak ve uygulanabilir bir ilaç bulmak için normalde gereken yılları ve milyarları kısaltmak için makine öğrenimini kullanıyor.
Genel Bakış
It is reshaping the slowest, riskiest part of pharma.
Derin Dalış
Bir ilacın pazara sunulması geleneksel olarak 10 ila 15 yıl ve bir milyar dolardan fazla zaman alır ve çoğu aday başarısız olur. Yapay zeka birçok darboğaza saldırıyor. Hedef belirlemede modeller, ilaçlamaya değer hastalıkla bağlantılı proteinleri bulmak için genomik ve protein verilerini araştırır. İsabetli keşifte, üretken modeller istenen özelliklere sahip yeni moleküller önerirken sanal tarama, laboratuvar sentezi olmadan milyonlarca bileşiği sıralar. DeepMind'ın AlphaFold'u, 200 milyondan fazla proteinin 3 boyutlu yapılarını tahmin ederek araştırmacılara bir zamanlar yıllarca kristalografi gerektiren planlar verdi. Insilico Medicine ve Recursion gibi şirketler artık insanlar üzerinde yapılan denemelerde yapay zeka tarafından tasarlanan molekülleri kullanıyor. Yapay zeka ayrıca toksisiteyi ve ADME'yi (emilim, dağılım, metabolizma, atılım) erkenden tahmin ederek kötü adayları maliyetli denemelerden önce öldürür.
Teknik Bilgi
Moleküller genellikle grafikler (atomlar düğümler, bağlar kenarlar) olarak temsil edilir ve grafik sinir ağları tarafından işlenir veya dizi modellerine beslenen SMILES adı verilen metin dizeleri olarak temsil edilir. Değişken otomatik kodlayıcılar ve difüzyon modelleri gibi üretken yaklaşımlar, öğrenilmiş bir kimyasal alanda yeni yapıları örnekleyerek bağlanma afinitesi ve ilaca benzerliği optimize eder. AlphaFold, amino asit zincirlerinin işlevi belirleyen 3 boyutlu şekillere nasıl katlandığını tahmin etmek için Protein Veri Bankasında eğitilmiş dikkat temelli derin öğrenmeyi kullanıyor.
Stratejik Etki
Context and rules
Sektör bağlamı, yapay zeka fikirlerinin gerçeklikle temasta kalıp kalamayacağını belirler.
Quality control
Etki alanı kısıtlamaları kabul edilebilir hata oranlarını ve gözetim modellerini etkiler.
Build choices
Başarılı dağıtımlar, teknik kapasiteyi ön saflardaki iş akışlarıyla uyumlu hale getirir.
İlaç Keşfinde Yapay Zekanın Geleceği
Sınır, yapay zekanın moleküller önerdiği, robotların bunları sentezleyip test ettiği ve sonuçların modeli birkaç gün içinde yeniden eğittiği kapalı döngü, kendi kendine çalışan laboratuvarlardır. Laboratuvar geri bildirimleri, yapay zeka tasarımlı antikorlar ve RNA terapötikleri ve biyoloji genelinde eğitilmiş temel modeller tarafından ayarlanan üretken kimyayı bekleyin. Düzenleyiciler yapay zekadan türetilmiş adaylar için kılavuz hazırlıyor. Biyolojinin karmaşıklığının tahminleri hâlâ gölgede bıraktığı zorlu test, klinik denemeler olmaya devam ediyor; bu nedenle yapay zekanın kısa vadedeki en büyük kazancı, daha hızlı, daha ucuz ve daha akıllı klinik öncesi kararlardır.
Gerçek Dünya Uygulaması
AlphaFold'un açık veritabanı, dünya çapındaki araştırmacıların, ilaç tasarımına rehberlik etmek için proteinlerin tahmin edilen 3 boyutlu yapılarını aramasına olanak tanır.
Insilico Medicine, idiyopatik pulmoner fibrozis için yapay zeka tarafından keşfedilen bir ilacı insan klinik deneylerinde geliştirdi.
İlaç ekipleri, milyonlarca aday molekülü hesaplamalı olarak sıralamak için sanal taramayı kullanıyor ve laboratuvarda yalnızca en umut verici olanı test ediyor.
Yapay zeka toksisite modelleri, bir adayın karaciğere veya kalbe zarar verip vermeyeceğini tahmin ederek hayvanlar üzerinde test edilmeden önce tehlikeli bileşikleri ortadan kaldırıyor.
Riskler ve Korkuluklar
Düzenleyici gereklilikler, aksi takdirde güçlü prototipleri geçersiz kılabilir.
Tarihsel veriler belirli topluluklara zarar veren önyargıları kodlayabilir.
Eski sistemler entegrasyon darboğazları ve gizli maliyetler yaratabilir.
Uygulama Yol Haritası
Sorunun çerçevelenmesinden değerlendirmeye kadar alan uzmanlarını dahil edin.
Lansmandan önce denetim yollarını ve belgeleri tasarlayın.
Uyumluluk ve güvenlik yükümlülüklerini erkenden doğrulayın.
Açık durdurma ve geri alma kriterleriyle aşamalar halinde kullanıma alın.
Keşfetmeye Devam Edin
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
Next guide
İzomorfik Laboratuvarlarda İlaç Keşfi
Sık sorulan sorular
What is AI in Drug Discovery?
İlaç keşfinde yapay zeka, moleküler davranışı tahmin etmek, yeni bileşikler tasarlamak ve uygulanabilir bir ilaç bulmak için normalde gereken yılları ve milyarları kısaltmak için makine öğrenimini kullanıyor. İlaç sektörünün en yavaş, en riskli bölümünü yeniden şekillendiriyor.
DeepMind'ın AlphaFold'u ilaç keşfine yardımcı olacak neyi başardı?
AlphaFold, protein 3 boyutlu yapılarını geniş ölçekte tahmin etmek için derin öğrenmeyi kullandı ve araştırmacılara daha önce yıllar süren deneyler gerektiren yapısal planlar verdi.
Moleküller makine öğrenimi modelleri için yaygın olarak nasıl temsil edilir?
Moleküller doğal olarak grafik sinir ağları tarafından işlenen veya dizi modelleri için SMILES dizileri olarak kodlanan grafiklerdir (atomlar = düğümler, bağlar = kenarlar).
Yapay zekayla ilaç keşfinde 'sanal tarama' nedir?
Sanal tarama, silico'daki devasa molekül kitaplıklarını puanlamak için modeller kullanır, bu nedenle yalnızca en iyi adaylar laboratuvarda oluşturulup test edilir.
ADME ve toksisiteyi erkenden tahmin etmek neden bu kadar değerli?
Emilim, metabolizma ve toksisitenin erken tahmini, maliyetli hayvan ve insan testlerinden önce kötü adayları öldürerek zamandan ve paradan tasarruf sağlar.
Yeni moleküller tasarlamak için hangi üretken yapay zeka teknikleri kullanılıyor?
VAE'ler ve difüzyon modelleri gibi üretken modeller, öğrenilmiş bir kimyasal alandan yeni yapıları örnekleyerek istenen özellikleri optimize eder.