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

שינוי גילוי תרופות עם AI

תוכנית חדשה המונעת בינה מלאכותית תאפשר לחוקרים להגביר את מאמצי גילוי התרופות שלהם.

התוכנית, שנקראת TopoFormer, פותחה על ידי צוות בינתחומי בראשות Guowei Wei, פרופסור בקרן המחקר של אוניברסיטת מישיגן במחלקה למתמטיקה. TopoFormer מתרגם מידע תלת מימדי על מולקולות לנתונים שמודלים טיפוסיים מבוססי AI יכולים להשתמש בהם, ומרחיבים את היכולות של המודלים הללו לחזות כמה יעילה תרופה עשויה להיות.

"עם בינה מלאכותית, אתה יכול להפוך את גילוי התרופות למהיר יותר, יעיל יותר וזול יותר", אמר ווי, המחזיק גם במחלקה לביוכימיה וביולוגיה מולקולרית ובמחלקה להנדסת חשמל ומחשבים.

ווי וצוותו פרסמו מאמר על עבודתם בכתב העת Nature Machine Intelligence.

הוראות למבנה

בארצות הברית, פיתוח תרופה בודדת הוא תהליך של עשור בערך שעולה בסביבות 2 מיליארד דולר, אמר ווי. בדיקת התרופה עם ניסויים גוזלת בערך חצי מהזמן הזה, הוא הוסיף, אבל החצי השני נכנס לגילוי מועמד טיפולי חדש לבדיקה.

ל-TopoFormer יש פוטנציאל לצמצם את זמן הפיתוח. בכך היא יכולה להפחית את עלויות הפיתוח, מה שעלול להוריד את מחיר התרופה לצרכנים במורד הזרם. זה יכול להיות שימושי במיוחד עבור מחלות נדירות, מכיוון שמספר החולים המצומצם אומר שחברות התרופות צריכות לגבות יותר כדי להחזיר עלויות.

למרות שחוקרים משתמשים כיום במודלים ממוחשבים כדי לסייע בגילוי תרופות, ישנן מגבלות, הנובעות משלל המשתנים של הבעיה.

"בגוף שלנו יש יותר מ-20,000 חלבונים", אמר ווי. "כאשר מחלה מופיעה, חלק או אחד מאלה ממוקדים".

הצעד הראשון, אם כן, הוא ללמוד על איזה חלבון או חלבונים מחלה משפיעה. חלבונים אלה הופכים גם למטרות של חוקרים, שרוצים למצוא מולקולות שיכולות למנוע, למזער או לנטרל את השפעות המחלה.

"כשיש לי מטרה, אני מנסה למצוא הרבה תרופות פוטנציאליות עבור המטרה הספציפית הזו", אמר ווי.

ברגע שמדענים יודעים לאילו חלבונים למקד עם תרופה, הם יכולים להזין רצפים מולקולריים מהחלבון ותרופות פוטנציאליות למודלים ממוחשבים קונבנציונליים. המודלים מנבאים כיצד התרופות והמטרה יתקשרו, ומנחים החלטות אילו תרופות לפתח ולבדוק בניסויים קליניים.

בעוד שמודלים אלה יכולים לחזות אינטראקציות מסוימות על סמך המרכיב הכימי של התרופה והחלבון בלבד, הם גם מחמיצים אינטראקציות חיוניות המגיעות מצורה מולקולרית וממבנה תלת מימדי, או תלת מימדי.

איבופרופן, שהתגלה על ידי כימאים בשנות ה-60, הוא דוגמה אחת לכך. ישנן שתי מולקולות איבופרופן שונות שחולקות את אותו רצף כימי בדיוק אך בעלות מבנים תלת מימדיים מעט שונים. רק סידור אחד מעוצב בצורה שיכולה להיקשר לחלבונים הקשורים לכאב ולמחוק כאב ראש.

"מודלים נוכחיים של למידה עמוקה אינם יכולים להסביר את הצורה של תרופות או חלבונים כאשר הם מנבאים כיצד הם יפעלו יחד", אמר ווי.

זה המקום שבו TopoFormer נכנס לתמונה. זהו מודל שנאי, אותו סוג של בינה מלאכותית המשמש את הצ'אטבוט של Open AI, ChatGPT (ה-GPT מייצג "שנאי מיומן יצירתי").

זה אומר ש-TopoFormer מאומן לקרוא מידע בצורה אחת ולהפוך אותו לצורה אחרת. במקרה זה, הוא דורש מידע תלת-ממדי על האופן שבו חלבונים ותרופות מתקשרים על סמך צורותיהם ומשחזר אותו כמידע חד-ממדי שהמודלים הנוכחיים יכולים להבין.

למעשה, "טופו" מייצג "לפלסיאן טופולוגי", המתייחס לכלים מתמטיים שוויי וצוותו המציאו כדי להמיר מבנים תלת-ממדיים לרצפים דו-ממדיים.

המודל החדש מאומן על עשרות אלפי אינטראקציות בין חלבון לתרופות, כאשר כל אינטראקציה בין שתי מולקולות מתועדת כחתיכת קוד, או "מילה". המילים מחוברות יחד כדי ליצור תיאור של תסביך התרופה-חלבון, תוך יצירת תיעוד של צורתו.

"בצורה כזו, יש לך הרבה, הרבה מילים סרוגות יחד כמו משפט", אמר ווי.

ניתן לקרוא את המשפטים הללו על ידי מודלים אחרים המנבאים אינטראקציות חדשות בין תרופתיות, ולתת להם יותר הקשר. אם תרופה חדשה היא ספר, טופופורמר יכול לקחת רעיון סיפור גס ולהפוך אותו לקו עלילה מלא, מוכן לכתיבה.

דילוג לתוכן