Insilico Medicine, kompanija za otkrivanje lekova vođena generativnom veštačkom inteligencijom (AI), danas je objavila da je kombinovala dve tehnologije koje se brzo razvijaju, kvantno računarstvo i generativnu veštačku inteligenciju, kako bi istražila otkriće vodećeg kandidata u razvoju lekova i uspešno demonstrirala potencijalne prednosti kvantne generativne suparničke mreže u generativnoj hemiji.
Studiju, objavljenu u Journal of Chemical Information and Modeling, vodili su centri Insilico na Tajvanu i UAE koji se fokusiraju na pionirsku i konstruisanje revolucionarnih metoda i motora sa tehnologijama koje se brzo razvijaju — uključujući generativnu veštačku inteligenciju i kvantno računarstvo — kako bi se ubrzalo otkrivanje i razvoj lekova.
Istraživanje su podržali direktor Konzorcijuma za ubrzanje Univerziteta u Torontu, dr Alan Aspuru-Guzik, i naučnici sa Istraživačkog instituta Hon Hai (Foxconn).
„Ova međunarodna saradnja je bila veoma zabavan projekat“, rekao je Alan Aspuru-Guzik, direktor Konzorcijuma za ubrzanje i profesor računarstva i hemije na Univerzitetu u Torontu. „To postavlja scenu za dalji razvoj veštačke inteligencije dok se susreće sa otkrivanjem lekova. Ovo je globalna saradnja u kojoj Fokconn, Insilico, Zapata Computing i Univerzitet u Torontu rade zajedno.“
Generativne adversarijske mreže (GAN) su jedan od najuspešnijih generativnih modela u otkrivanju i dizajnu lekova i pokazali su izvanredne rezultate za generisanje podataka koji oponašaju distribuciju podataka u različitim zadacima. Klasični GAN model se sastoji od generatora i diskriminatora. Generator uzima nasumične šumove kao ulaz i pokušava da imitira distribuciju podataka, a diskriminator pokušava da napravi razliku između lažnih i stvarnih uzoraka. GAN se obučava sve dok diskriminator ne može da razlikuje generisane podatke od stvarnih podataka.
U ovom radu, istraživači su istraživali kvantnu prednost u otkrivanju lekova malih molekula zamenjujući svaki deo MolGAN-a, implicitnog GAN-a za male molekularne grafove, sa varijacionim kvantnim kolom (VKC), korak po korak, uključujući kao generator buke, generator sa metoda zakrpa, i kvantni diskriminator, upoređujući njegove performanse sa klasičnim pandanom.
Studija ne samo da je pokazala da obučeni kvantni GAN-ovi mogu da generišu molekule nalik na trening korišćenjem VKC-a kao generatora buke, već da kvantni generator nadmašuje klasični GAN u svojstvima leka generisanih jedinjenja i ciljno usmerenom merilu.
Pored toga, studija je pokazala da kvantni diskriminator GAN-a sa samo desetinama parametara koji se mogu naučiti može da generiše validne molekule i da nadmašuje klasični pandan sa desetinama hiljada parametara u smislu generisanih svojstava molekula i rezultata KL-divergencije.
„Kvantno računarstvo je prepoznato kao sledeći tehnološki prodor koji će imati veliki uticaj, a veruje se da je farmaceutska industrija među prvim talasom industrija koje imaju koristi od napretka“, rekao je Džimi Jen-Ču Lin, dr. Insilico Medicine Taivan i odgovarajući autor rada. „Ovaj rad demonstrira Insilico-ov prvi otisak u kvantnom računarstvu sa AI u molekularnoj generaciji, naglašavajući našu viziju na terenu.“
Nadovezujući se na ove nalaze, naučnici Insilico planiraju da integrišu hibridni kvantni GAN model u Chemistri42, vlasnički motor za generisanje malih molekula kompanije, kako bi dodatno ubrzali i poboljšali svoj proces otkrivanja i razvoja lekova vođen AI.
Insilico je bio jedan od prvih koji je koristio GAN u de novo molekularnom dizajnu i objavio je prvi rad u ovoj oblasti 2016. Kompanija je isporučila 11 pretkliničkih kandidata pomoću generativnih AI modela zasnovanih na GAN-u i njen vodeći program je potvrđen u kliničkim ispitivanjima faze I.
„Ponosan sam na pozitivne rezultate koje je naš tim za kvantno računarstvo postigao svojim naporima i inovacijama“, rekao je dr Aleks Žavoronkov, osnivač i izvršni direktor Insilico Medicine. „Verujem da je ovo prvi mali korak na našem putovanju. Trenutno radimo na revolucionarnom eksperimentu sa pravim kvantnim računarom za hemiju i radujemo se što ćemo Insilico-ove najbolje prakse podeliti sa industrijom i akademskim krugovima.“
