Search
פיתוחים חדשים ב-evosep להפיכת פרוטאומיקה קלינית לחזקה פי 100 ומהירה פי 10

כלי AI חדשני שעומד לעצב מחדש את ההקרנה הווירטואלית בשלב מוקדם של גילוי תרופות

חוקרים אוסטרלים, בראשות אוניברסיטת מונאש, המציאו כלי חדש לבינה מלאכותית (AI) אשר אמור לעצב מחדש את ההקרנה הווירטואלית בשלב מוקדם של גילוי תרופות ולשפר את יכולתם של מדענים לזהות תרופות חדשות פוטנציאליות.

למרות ששיטות חישוביות בתוך גילוי תרופות מבוססות היטב, יש פער שאין עוררין בכל הנוגע לכלי AI חדשניים המסוגלים לחזות במהירות, איתנה וחסכונית את חוזק האינטראקציות בין מולקולות וחלבונים – שלב קריטי בתהליך גילוי התרופות.

ההמצאה האוסטרלית 'PSICHIC' (PhySIcoCHEmICal) מפגישה מומחיות בממשק של טכנולוגיית מחשוב וגילוי תרופות כדי להציע גישה חדשה לחלוטין.

פורסם ב Nature Machine Intelligence, המחקר מדגים כיצד PSICHIC משתמש רק בנתוני רצף, לצד בינה מלאכותית, כדי לפענח אינטראקציות בין חלבון למולקולה עם דיוק מתקדם, תוך ביטול הצורך בתהליכים יקרים ופחות מדויקים כגון מבנים תלת מימדיים.

ד"ר לורן מיי, מחברת שותפה ממכון מונאש למדעי התרופות (MIPS), אמרה שהצוות כבר הוכיח כי PSICHIC יכול ביעילות לסנן מועמדים לתרופות חדשות ולבצע פרופיל סלקטיביות.

"השוואה של תחזיות ניסוי ו-AI של ספריית תרכובות גדולה כנגד הקולטן A1 – יעד טיפולי פוטנציאלי למחלות רבות – הוכיחה ש- PSICHIC יכול לסנן ולזהות ביעילות מועמד לתרופה חדשנית. יתרה מכך, PSICHIC הצליח להבחין בין ההשפעות התפקודיות של התרכובת או, במילים אחרות, את האופן שבו התרופה עשויה להשפיע על גופנו", אמר ד"ר מיי.

"יש פוטנציאל עצום ל-AI לשנות לחלוטין את נוף גילוי התרופות. אנו צופים ש- PSICHIC יעצב מחדש את ההקרנה הווירטואלית ויעמיק את ההבנה שלנו לגבי אינטראקציות בין חלבון למולקולה".

מדען נתונים, מומחה בינה מלאכותית ומחבר ראשי, פרופסור ג'ף ווב מהמחלקה למדעי נתונים ואינטליגנציה מלאכותית של מונש, אמר כי בעוד ששיטות אחרות לחיזוי אינטראקציות בין חלבון-מולקולות כבר קיימות, הן עלולות להיות יקרות ולקרטע ביכולתן לחזות את ההשפעות התפקודיות של תרופה. .

"היישום של גישות בינה מלאכותית כדי לשפר את עלות העלות והדיוק של גילוי תרופות הוא תחום שמתרחב במהירות. עם PSICHIC, הצוות שלנו ביטל את הצורך במבנים תלת מימדיים למיפוי אינטראקציות בין חלבון למולקולות, שזו דרישה יקרה ולעתים קרובות מגבילה", אמר פרופסור ווב.

"במקום זאת, PSICHIC מזהה את 'טביעות האצבע' הייחודיות של אינטראקציות חלבון-מולקולות ספציפיות על-ידי יישום בינה מלאכותית לניתוח אלפי אינטראקציות חלבון-מולקולות, וכתוצאה מכך לסריקה מהירה ויעילה יותר של תרכובות תרופות ללא צורך בעיבוד מבני חלבון או מולקולה ב-high- רזולוציה תלת מימדית."

ד"ר Anh Nguyen, מחבר מוביל מ-MIPS עם מומחיות רבה בגישות בינה מלאכותית לאינטראקציות בין תרופות לקולטן, הדגיש את החשיבות של אינטראקציות אלו.

אינטראקציות בין מולקולות וחלבונים עומדות בבסיס תהליכים ביולוגיים רבים, כאשר תרופות מפעילות את השפעותיהן המיועדות על ידי אינטראקציה סלקטיבית עם חלבונים ספציפיים. היו מאמצים גלובליים משמעותיים לפתח שיטות חדשות מבוססות בינה מלאכותית כדי לקבוע במדויק כיצד מולקולה עשויה להתנהג כשהיא מקיימת אינטראקציה עם יעד החלבון שלה – אחרי הכל, זהו אבן הבניין המרכזית לייצור תרופות".

ד"ר Anh Nguyen, מחבר משותף, MIPS

הסופר הראשון Huan Yee Koh, מועמד לדוקטורט מהפקולטה לטכנולוגיות מידע של מונש, הדגיש את המניע מאחורי העיצוב של PSICHIC לגילוי תרופות.

"ל-AI יש פוטנציאל לשפר באופן דרמטי את החוסן, היעילות והעלות במספר שלבים במהלך תהליך גילוי התרופות, החל מגילוי בשלב מוקדם ועד לחיזוי תגובות קליניות. עם זאת, מכיוון שמערכות בינה מלאכותיות רבות מסתמכות באופן בסיסי על התאמת דפוסים, מערכות אלו עלולות לסבול מדרגות חופש בלתי מרוסנות. זה יכול להוביל לשינון של דפוסים ידועים קודם לכן במקום ללמוד את המנגנונים הבסיסיים של אינטראקציות חלבון-ליגנד, ובסופו של דבר להפריע לגילוי תרופות חדשות", אמר קו.

"PSICHIC מטפל בבעיה זו על ידי שילוב אילוצים פיזיקוכימיים במודל הבינה המלאכותית שלה בעת למידה מנתוני רצף. זה מאפשר ל-PSICHIC להשיג יכולות בפענוח המנגנונים העומדים בבסיס אינטראקציות חלבון-ליגנד ישירות מנתוני רצף, תוך עקיפת הצורך במבנים יקרים והפיכת גילוי התרופות ליעילה ואמינה יותר."

פרופסור שירוי פאן, מחבר מוביל ועמית עתיד של ARC עם בית הספר לטכנולוגיית מידע ותקשורת באוניברסיטת גריפית', אמר שהעובדה ש-PSICHIC דורש רק נתוני רצף לצורך פעולה פירושה שהוא נגיש באופן ייחודי.

"בהשוואה לשיטות קודמות מבוססות רצף עמוק, גישה זו מספקת ייצוג נאמן יותר של האינטראקציות הבסיסיות של חלבון מולקולה, ובכך סוגרת את פער הביצועים בין שיטות מבוססות רצף ושיטות מבוססות מבנה או מורכבות."

צוות PSICHIC הפך את הנתונים, הקוד והמודל המותאם שלהם לזמינים לקהילה המדעית הרחבה יותר.

דילוג לתוכן