Iako farmaceutskoj industriji mogu biti potrebne godine da stvori lekove koji mogu da leče ili izleče ljudske bolesti, nova studija sugeriše da bi korišćenje generativne veštačke inteligencije moglo znatno ubrzati proces razvoja lekova.
Danas većinu otkrivanja lekova sprovode ljudski hemičari koji se oslanjaju na svoje znanje i iskustvo da bi odabrali i sintetizovali prave molekule potrebne da postanu bezbedni i efikasni lekovi od kojih zavisimo. Da bi identifikovali puteve sinteze, naučnici često koriste tehniku koja se zove retrosinteza — metod za stvaranje potencijalnih lekova radeći unazad od željenih molekula i tražeći hemijske reakcije da ih naprave.
Ipak, pošto procenjivanje miliona potencijalnih hemijskih reakcija može biti izuzetno izazovan i dugotrajan poduhvat, istraživači sa Državnog univerziteta u Ohaju kreirali su okvir veštačke inteligencije pod nazivom G 2 Retro da automatski generiše reakcije za bilo koji dati molekul. Nova studija je pokazala da je u poređenju sa trenutnim metodama ručnog planiranja, okvir bio u stanju da pokrije ogroman raspon mogućih hemijskih reakcija, kao i da precizno i brzo utvrdi koje reakcije bi mogle najbolje funkcionisati za stvaranje datog molekula leka.
„Korišćenje veštačke inteligencije za stvari ključne za spasavanje ljudskih života, kao što je medicina, je ono na šta zaista želimo da se fokusiramo“, rekla je Sja Ning, vodeći autor studije i vanredni profesor računarskih nauka i inženjerstva u državi Ohajo. „Naš cilj je bio da koristimo veštačku inteligenciju da ubrzamo proces dizajna lekova, i otkrili smo da ne samo da štedi vreme i novac istraživačima, već obezbeđuje kandidate za lekove koji mogu imati mnogo bolja svojstva od bilo kojih molekula koji postoje u prirodi.
Ova studija se zasniva na prethodnim Ningovim istraživanjima gde je njen tim razvio metod pod nazivom Modof koji je bio u stanju da generiše strukture molekula koje su pokazale željena svojstva bolje od bilo kojih postojećih molekula. „Sada se postavlja pitanje kako napraviti tako generisane molekule, i tu sija ova nova studija“, rekao je Ning, takođe vanredni profesor biomedicinske informatike na Medicinskom koledžu.
Studija je objavljena danas u časopisu Communications Chemistri.
Ningov tim je obučio G 2 Retro na skupu podataka koji sadrži 40.000 hemijskih reakcija prikupljenih između 1976. i 2016. Okvir „uči“ iz prikaza datih molekula zasnovanih na grafovima i koristi duboke neuronske mreže za generisanje mogućih reaktantnih struktura koje bi se mogle koristiti za sintezu njih. Njegova generativna snaga je toliko impresivna da bi, prema Ningu, jednom kada je dobio molekul, G 2 Retro mogao da smisli stotine novih predviđanja reakcija za samo nekoliko minuta.
„Naša generativna AI metoda G 2 Retro je u stanju da obezbedi više različitih puteva i opcija sinteze, kao i način da se rangiraju različite opcije za svaki molekul“, rekao je Ning. „Ovo neće zameniti trenutne eksperimente zasnovane na laboratoriji, ali će ponuditi više i bolje opcije za lekove, tako da eksperimenti mogu biti prioritet i fokusirani mnogo brže.“
Da bi dalje testirao efikasnost veštačke inteligencije, Ningov tim je sproveo studiju slučaja kako bi video da li G 2 Retro može tačno da predvidi četiri nova leka koji su već u opticaju: Mitapivat, lek koji se koristi za lečenje hemolitičke anemije; Tapinarof, koji se koristi za lečenje različitih kožnih bolesti; Mavacamten, lek za lečenje sistemske srčane insuficijencije; i Otesekonazol, koji se koristi za lečenje gljivičnih infekcija kod žena. G 2 Retro je uspeo da ispravno generiše potpuno iste patentirane puteve sinteze za ove lekove i obezbedio je alternativne puteve sinteze koji su takođe izvodljivi i sintetički korisni, rekao je Ning.
Imati tako dinamičan i efikasan uređaj na raspolaganju naučnicima moglo bi omogućiti industriji da proizvodi jače lekove bržim tempom – ali uprkos prednostima koje AI može dati naučnicima u laboratoriji, Ning naglašava da lekovi G 2 Retro ili bilo koja generativna AI stvara i dalje trebaju da budu validirani – proces koji uključuje da se stvoreni molekuli testiraju na životinjskim modelima i kasnije u ispitivanjima na ljudima.
„Veoma smo uzbuđeni zbog generativne veštačke inteligencije za medicinu i posvećeni smo korišćenju veštačke inteligencije odgovorno za poboljšanje ljudskog zdravlja“, rekao je Ning.
