Стартап, который использовал ИИ, чтобы разработать лекарство за 21 день

И снова здравствуйте. В преддверии запуска курса «Нейронные сети на Python», хотим поделиться с вами переводом интересной статьи о вкладе ИИ в развитие медицины.

Стартап, который использовал ИИ, чтобы разработать лекарство за 21 день


Компания Insilico Medicine из Гонконга опубликовала исследование, показывающее, что их система глубокого обучения умеет определять потенциальные методы лечения фиброза. Эта система, названная генеративной тензорной системой обучения с подкреплением или кратко GENTRL, смогла обнаружить шесть перспективных методов лечения всего за 21 день. Один из этих методов показал многообещающие результаты в экспериментах над подопытными мышами. Исследование было опубликовано в журнале Nature Biotechnology, а исходный код модели был доступен на Github.
«Мы располагаем стратегическим мышлением Искусственного Интеллекта в сочетании с его воображением», говорит Генеральный Директор Insilico Александр Жаворонков, который сравнивает работу GENTRL с системой машинного обучения AlphaGo, разработанной Deepmind Google, чтобы бросить вызов игрокам чемпионата игры по го.

Жаворонков основал компанию в 2014 году. Изначальное образование он получил в области информатики и провел несколько лет, работая в ATI, пока в 2006 году компанию не купила AMD. В этот момент он решил сменить род деятельности и заняться биотехнологическими исследованиями, заинтересовавшись областью замедления процесса старения. Он получил степень магистра в Университете Джона Хопкинса, а затем степень кандидата наук в Московском Государственном Университете, где сосредоточился на исследованиях по использованию машинного обучения для изучения физики молекулярных взаимодействий в биологических системах. Он работал в нескольких компаниях, но затем вернулся в Балтимор, чтобы основать Insilico.

Изначальная философия компании заключалась в использовании глубокого обучения для того, чтобы научить нейронные сети обходить большие библиотеки молекул и находить цели для воздействия медицинскими препаратами. Однако вскоре после основания компании Жаворонков увлекся работой Яна Гудфеллоу в области машинного обучения и решил сменить курс.

«Можем ли мы заставить машину создавать новые молекулы с новыми свойствами, вместо того чтобы просто проверять гигантские библиотеки поставщиков?» — таким вопросом он задавался. Традиционно открытия новых лекарственных препаратов происходят посредством молекулярного скрининга, однако вопрос заключался в том, можно ли оптимизировать и ускорить этот процесс с помощью машинного обучения.

Первое исследование на основе этой идеи, опубликованное компанией в 2016 году, помогло привлечь инвестиции для проведения разработок на стыке областей биотехнологии и искусственного интеллекта. Согласно Pitchbook, Жаворонков привлек еще 24,3 млн долларов инвестиций от таких спонсоров как A-Level Capital и Juvenescence при общей оценке в 56 млн долларов. У него также есть несколько партнеров в сфере биотехнологий, в том числе A2A Pharmaceuticals и TARA Biosystems.

Это исследование о вызове, который сама себе бросила компания и ее коллеги из мира химии. Они просили Insilico использовать свою систему для разработки потенциальных лекарственных препаратов, которые могут препятствовать активности дискоидина доменного рецептора 1 (DDR1). DDR1 является ферментом, участвующим в фиброзе, и, пускай еще не ясно регулирует ли он эти процессы, ингибирование его активности рассматривается в качестве возможной терапии. Эта задача легла в основе недавно опубликованных исследований, проведенных группой специалистов Genentech, которым потребовалось около 8 лет для определения перспективных ингибиторов киназы DDR1.


Общий вид процесса исследований Insilico

Insilico использовала GENTRL для разработки новых потенциальных лекарственных препаратов, которые в последствии были синтезированы, а один из них даже успешно протестирован на мышах. Проектирование системы искусственного интеллекта заняло около 21 дня, а общее количество времени на разработку, синтез и валидацию заняло около 46 дней. Хотя ни один из препаратов, разработанных GENTRL, не оказался более эффективным, чем ингибиторы, открытые традиционным методом исследования, традиционный метод занял более 8 лет времени и миллионы долларов в сравнении с несколькими неделями и приблизительной стоимостью в 150 000 долларов.

«Их молекулы удивительны, они намного лучше результатов работы нашего искусственного интеллекта», — говорит Жаворонков. «Но опять же, тут играют роль годы работы против людей, которые не так хорошо разбираются в химии, но уже делают такие вещи.»

Конечно, на фоне всей разработки лекарственных средств – это лишь первый шаг. Хотя он и является важной вехой для демонстрации потенциала ИИ в выявлении потенциальных лекарственных препаратов, потребуются годя клинических испытаний и миллионы долларов на исследования, прежде чем любое потенциальное лекарство будет одобрено в качестве средства лечения конкретного заболевания.

Жаворонков также говорит, что впереди у Insilico еще много работы. Для него это исследование считается важным прорывом, поскольку оно показывает перспективы использования ИИ в создании лекарственных препаратов.

«Я считаю, что это исследование уменьшит скептический настрой в глобальной фармацевтике», — говорит он.

 

Источник

искуственный интеллект, машинное обучение, нейронные сети

Читайте также