Изображение: Pharmaceuticals (2024)

ChatGPT разрабатывает новые лекарства

В  заголовки газет в 2023 году попали платформы генеративного искусственного интеллекта от ChatGPT до Midjourney. Но GenAI способен на большее, чем только создавать изображения и помогать писать электронные письма — он также может разрабатывать новые лекарства для лечения болезней.

Сегодня ученые используют передовые технологии для разработки новых синтетических лекарственных соединений с нужными свойствами и характеристиками, что также известно как «разработка лекарств de novo». Однако современные методы могут быть трудоемкими, требующими много времени и затрат.

Вдохновленные популярностью ChatGPT и задаваясь вопросом, может ли этот подход ускорить процесс разработки лекарств, ученые из Колледжа науки и технологий Чепменского университета решили создать свою собственную модель GenAI, подробно описанную в новой статье, опубликованной в журнале Pharmaceuticals.

Дони Энг, Сирил Раковски и Акоп Атамян создали модель для изучения огромного набора данных известных химических веществ, того, как они связываются с целевыми белками, а также правил и синтаксиса химической структуры и свойств в целом.

Конечный результат позволяет генерировать бесчисленное множество уникальных молекулярных структур, которые соответствуют основным химическим и биологическим ограничениям и эффективно связываются со своими целями, что позволяет значительно ускорить процесс выявления жизнеспособных лекарственных препаратов-кандидатов для лечения широкого спектра заболеваний с минимальными затратами.

Чтобы создать прорывную модель, исследователи впервые объединили две передовые технологии искусственного интеллекта в области биоинформатики и хемоинформатики: хорошо известную «архитектуру преобразования кодер-декодер» и «обучение с подкреплением посредством поиска по дереву Монте-Карло» (RL-MCTS). Платформа, получившая удачное название «drugAI», позволяет пользователям вводить последовательность целевого белка (например, белка, который обычно задействован в прогрессировании рака).

DrugAI, обученный на основе данных из комплексной общедоступной базы данных BindingDB, может генерировать уникальные молекулярные структуры с нуля, а затем итеративно уточнять кандидатуры, гарантируя, что финалисты продемонстрируют сильное сродство с соответствующими лекарственными целями, что имеет решающее значение для эффективности потенциальных лекарств. Модель идентифицирует 50-100 новых молекул, которые могут ингибировать эти конкретные белки.

«Этот подход позволяет нам создать потенциальное лекарство, которое никогда не задумывалось. Он был протестирован и подтвержден. Теперь мы видим великолепные результаты», — говорит доктор Атамян.

Исследователи оценили молекулы, полученные с помощью drugAI, по нескольким критериям и обнаружили, что результаты drugAI были аналогичны результатам двух других распространенных методов, а в некоторых случаях и лучше. Они обнаружили, что лекарственные кандидатуры drugAI имели коэффициент достоверности 100% — это означает, что ни одно из созданных лекарств не присутствовало в обучающем наборе.

Лекарственные кандидатуры DrugAI также оценивались на предмет сходства с лекарством, или сходства свойств соединения со свойствами пероральных препаратов, и показатели лекарственный кандидатур были по меньшей мере на 42% и 75% выше, чем у других моделей. Кроме того, все молекулы, генерируемые drugAI, проявляли сильное сродство к связыванию с соответствующими целями, сравнимое с теми, которые были идентифицированы с помощью традиционных подходов виртуального скрининга.

Энг, Раковски и Атамян также решили посмотреть, как действует лекарство, полученные при помощи drugAI для конкретного заболевания, по сравнению с существующими известными лекарствами для его лечения. В другом эксперименте методы скрининга сгенерировали список натуральных продуктов, которые ингибируют белки COVID-19; drugAI сгенерировал список новых лекарств, нацеленных на тот же белок, чтобы сравнить их характеристики. Они сравнили сходство лекарство и сродство к связыванию между природными молекулами и молекулами drugAI и обнаружили сходные показатели в обоих случаях, но drugAI смог идентифицировать их гораздо быстрее и менее затратным способом.

Кроме того, ученые разработали алгоритм таким образом, чтобы он имел гибкую структуру, позволяющую будущим исследователям добавлять новые функции.

«Это означает, что в конечном итоге вы получите более совершенные лекарственные кандидатуры с еще большей вероятностью стать настоящим лекарством», — говорит доктор Атамян. «Мы в восторге от открывающихся возможностей».

Поделиться ссылкой

About psy.help

Check Also

Искусственный интеллект изучает нарциссизм

В новом исследовании, опубликованном в журнале Social Neuroscience, ученые использовали методы машинного обучения для прогнозирования …

Цифровая некромантия: продолжение скорби

Дебаты вокруг цифровой некромантии впервые разгорелись в 2010-х годах благодаря достижениям в области видеопроекции (технологии …