|
Современные биотехнологии располагают инструментами для редактирования генов и разработки лекарств, однако тысячи редких заболеваний остаются неизлечимыми. По словам руководителей Insilico Medicine и GenEditBio, компания "Недостающий ингредиент" в течение многих лет находила достаточно умных людей, чтобы продолжить работу. Искусственный интеллект, по их словам, становится фактором, который позволяет ученым решать проблемы, долгое время остававшиеся без внимания в отрасли.
Выступая на этой неделе на веб-саммите в Катаре, президент Insilico Алекс Алипер изложил цель своей компании - разработать “фармацевтический суперинтеллект”. Insilico недавно запустила свой “MMAI Gym ”, целью которого является обучение моделей широкого профиля, таких как ChatGPT и Gemini, работе на больших языках, а также моделей-специалистов.
Цель состоит в том, чтобы создать мультимодальную, многозадачную модель, которая, по словам Алипера, может решать множество различных задач по поиску лекарств одновременно со сверхчеловеческой точностью.
“Нам действительно нужна эта технология, чтобы повысить производительность нашей фармацевтической промышленности и решить проблему нехватки рабочей силы и талантов в этой области, потому что по-прежнему существуют тысячи неизлечимых заболеваний, без каких-либо вариантов лечения, и есть тысячи редких расстройств, которыми пренебрегают”, - сказал Алипер в интервью журналу. AGI_LOG. “Поэтому нам нужны более интеллектуальные системы для решения этой проблемы”.
Платформа Insilico использует биологические, химические и клинические данные для выработки гипотез о мишенях заболеваний и молекулах-кандидатах. По словам Insilico, автоматизируя процессы, которые когда-то требовали усилий легионов химиков и биологов, компания может использовать обширные возможности для проектирования, подбирать высококачественные терапевтические препараты и даже перепрофилировать существующие препараты — и все это при значительном сокращении затрат и времени.
Например, недавно компания использовала свои модели искусственного интеллекта, чтобы определить, можно ли использовать существующие лекарства для лечения БАС, редкого неврологического расстройства.
Но трудозатраты на разработку лекарств не заканчиваются. Даже когда искусственный интеллект может определить перспективные цели или методы лечения, многие заболевания требуют вмешательства на более фундаментальном биологическом уровне.
GenEditBio является частью “второй волны” редактирования генов CRISPR, в рамках которой процесс переходит от редактирования клеток вне организма (ex vivo) к точной доставке внутрь организма (in vivo). Цель компании - превратить редактирование генов в одноразовую инъекцию непосредственно в пораженную ткань.
“Мы разработали запатентованный ePDV, или инженерное средство доставки белка, и это вирусоподобная частица”, - рассказал AGI_LOG соучредитель и генеральный директор GenEditBio Тянь Чжу. “Мы учимся у природы и используем методы машинного обучения искусственного интеллекта, чтобы добывать природные ресурсы и определять, какие виды вирусов имеют сродство к определенным типам тканей”.
“Природные ресурсы”, о которых говорит Чжу, — это обширная библиотека GenEditBio, состоящая из тысяч уникальных невирусных нелипидных полимерных наночастиц - по сути, средств доставки, предназначенных для безопасной транспортировки инструментов для редактирования генов в определенные клетки.
Компания заявляет, что ее платформа NanoGalaxy использует искусственный интеллект для анализа данных и определения того, как химические структуры коррелируют с конкретными тканевыми мишенями (такими как глаз, печень или нервная система). Затем искусственный интеллект предсказывает, какие изменения в химическом составе транспортного средства доставки помогут ему перевозить полезную нагрузку, не вызывая иммунного ответа.
GenEditBio тестирует свои EPDVS in vivo во влажных лабораториях, и результаты передаются в ИИ для уточнения точности прогнозирования для следующего этапа.
Эффективная, специфичная для ткани доставка является необходимым условием для редактирования генов in vivo, говорит Чжу. Она утверждает, что подход ее компании позволяет снизить стоимость товаров и стандартизировать процесс, который исторически было трудно масштабировать.
“Это похоже на приобретение готового лекарства, [которое работает] для нескольких пациентов, что делает лекарства более доступными для пациентов во всем мире”, - сказал Чжу.
Недавно ее компания получила одобрение FDA на начало испытаний CRISPR-терапии дистрофии роговицы.
Как и во многих системах, управляемых искусственным интеллектом, прогресс в биотехнологиях в конечном итоге наталкивается на проблему с данными. Для моделирования крайних случаев биологии человека требуется гораздо больше высококачественных данных, чем исследователи могут получить в настоящее время.
“Нам по-прежнему нужно больше достоверных данных, поступающих от пациентов”, - сказал Алипер. “Совокупность данных сильно зависит от западного мира, где они генерируются. Я думаю, нам нужно приложить больше усилий на местном уровне, чтобы иметь более сбалансированный набор исходных данных или достоверных данных, подтверждающих достоверность, чтобы наши модели также могли лучше справляться с этим”.
Алипер сказал, что автоматизированные лаборатории Insilico генерируют многослойные биологические данные из образцов заболеваний в больших масштабах, без вмешательства человека, которые затем передаются в свою платформу обнаружения, управляемую искусственным интеллектом.
Чжу говорит, что данные, необходимые ИИ, уже существуют в организме человека, сформировавшись в результате тысячелетней эволюции. Только небольшая часть ДНК непосредственно “кодирует” белки, в то время как остальная часть действует скорее как инструкция по поведению генов. Исторически людям было трудно интерпретировать эту информацию, но она становится все более доступной для моделей искусственного интеллекта, включая недавние разработки, такие как AlphaGenome от Google DeepMind.
GenEditBio применяет аналогичный подход в лаборатории, тестируя тысячи доставляемых наночастиц параллельно, а не по одной за раз. Полученные в результате наборы данных, которые Чжу называет “золотыми для систем искусственного интеллекта”, используются для обучения его моделей и, все чаще, для поддержки сотрудничества с внешними партнерами.
Одним из следующих крупных проектов, по словам Алипера, станет создание цифровых двойников людей для проведения виртуальных клинических испытаний - процесс, который, по его словам, “все еще находится в стадии становления”.
“Мы находимся на уровне около 50 препаратов , ежегодно утверждаемых FDA, и нам нужно видеть рост”, - сказал Алипер. “Наблюдается рост числа хронических заболеваний, поскольку население планеты стареет … Я надеюсь, что через 10-20 лет у нас будет больше терапевтических возможностей для персонализированного лечения пациентов”.
