Novi model umjetne inteligencije mogao bi značajno skratiti put do otkrivanja novih terapija, predviđajući kako kemijski spojevi utječu na ljudske stanice. Taj novi pristup, objavljen 23. listopada u časopisu Science, predstavlja prekretnicu u otkrivanju lijekova, gdje AI pomaže učinkovitije navigirati ogromnim bibliotekama kemikalija i njihovih učinaka.
To je moćan nacrt za budućnost. Stvara ‘pametni’ sustav testiranja koji uči iz vlastitih eksperimenata, kaže za Nature Hongkui Deng, stanični biolog s Kineskog Sveučilišta u Pekingu, koji nije sudjelovao u istraživanju.
Tradicionalno otkrivanje lijekova temelji se na testiranju desetaka tisuća spojeva na stanicama uzgojenim u laboratoriju, što je i dovelo do identificiranja lijekova protiv raka, ali je riječ o sporom i zahtjevnom procesu. Znanstvenici sada žele iskoristiti genomsku podatkovnu bazu pojedinačnih stanica kako bi mapirali naline na koji spojevi utječu na cijele mreže gena.
17 puta učinkovitiji sustav
Kako bi to bilo izvedivo, Alex Shalek, biomedicinski inženjer s američkog MIT-a, udružio se s amerilkom tvrtkom Cellarity. Zajedno su trenirali model dubokog učenja, DrugReflector, koristeći javne podatke o gotovo 9600 spojeva u 50 vrsta stanica.
AI je identificirao kemikalije koje mogu utjecati na proizvodnju trombocita i crvenih krvnih stanica, što je ključno za liječenje bolesti krvi. Od 107 testiranih spojeva, DrugReflector je pronašao relevantne spojeve do 17 puta učinkovitije od klasičnog testiranja, a ponavljanje postupka dodavanjem rezultata iz prethodnog pokušaja na početku, dodatno je udvostručilo njegov uspjeh.
Deng ističe da je DrugReflector trenutno ograničen na svoj skup podataka, no u budućnosti predviđa sustave koji bi mogli predviđati biološke učinke iz same kemijske strukture. Trenutne tehnologije su obećavajuće, ali njihova točnost i sposobnost generalizacije još uvijek zahtijevaju značajna poboljšanja, kaže na kraju Deng.
