Jelenleg a mesterséges intelligencia felhasználása az új gyógyszerek felfedezésében és tervezésében az új gyógyszerkutatás és -fejlesztés forró pályája lett. Egyszer a Massachusetts Institute of Technology mesterséges intelligencia technológiát használt, hogy sikeresen felfedezzen egy új antibiotikumot, a Halicint (Halicint). Az antibiotikum a történelem legerősebb antimikrobiális hatását mutatta, és a mesterséges intelligencia modell autonóm tanulása és elemzése révén sikeresen szűrte a baktériumok növekedését kiválóan gátló molekulákat. A 2,000 ismert szellemmolekula mélyreható tanulása révén az AI-modell nemcsak új antibiotikum-jellemzőket fedezett fel, hanem egy rendkívül hatékony antibiotikumot is pontosan kiszűrt egy rendkívül nagy termékkönyvtárból.
▲Más antimikrobiális gyógyszerekkel összehasonlítva milyen jellemzői vannak az AI által felfedezett új gyógyszereknek?
A halisin antibiotikum erőteljes baktericid hatással bír a piacon már rezisztens baktériumokra, és nem vált ki új rezisztenciát. A hagyományos ellenőrzési módszerekkel összehasonlítva az AI modellek szűrési sebessége rendkívül gyors, ami nagymértékben csökkenti a költségeket. Érdekes módon Halisin olyan tulajdonságokat mutatott be, amelyeket az emberi tudósok korábban nem értetek, ez a felfedezés új megvilágításba helyezi az antibiotikumok kutatásának területét. Ennek a tulajdonságnak a természete azonban még mindig ismeretlen, és még az AI-modellek képzésében sem lehet egyértelmű választ találni. Ezek a kutatási eredmények azt mutatják, hogy a mesterséges intelligencia alkalmazása a gyógyszerkutatás területén túlmutat a hagyományos emberi módszerek korlátain.
A mesterséges intelligencia hatékonyabb, költséghatékonyabb és innovatívabb gyógyszerkutatási folyamathoz vezetett a gyógyszerkutatásban. Ez a transzcendencia elsősorban a fejlődés gyorsaságában, a költséghatékonyságban és a gyógyszertulajdonságok újszerű megértésében mutatkozik meg. Például a mesterséges intelligencia modellek gyorsabban és hatékonyabban képesek szűrni a potenciális gyógyszerjelölteket, jelentősen lerövidítve a gyógyszerkutatás időkeretét a hagyományos kísérleti validációs módszerekhez képest. A mesterséges intelligencia modellek kábítószer-szűréshez való felhasználása jelentősen csökkenti a K+F költségeit, és költséghatékonyabb, mint a hagyományos módszerek. Az AI-modellek bebizonyították, hogy képesek feltárni a hagyományos kutatási módszerekben nehezen észlelhető, korábban nem értett gyógyszerjellemzőket, így innovatívabb irányokat adva új gyógyszerek kifejlesztéséhez.
▲ Miért nevezik Halicinnak, furcsa név?
Halicin eredeti neve valójában csak egy kódot tartalmaz, az SU-3327 nevet, amely valójában csak egy kísérleti gyógyszer, vagy a gyógyszer prototípusa. Kezdetben cukorbetegség kezelésére tanulmányozták, de a gyenge teszteredmények miatt a vegyület alkalmazási fejlesztését régóta leállították, és csak kísérleti gyógyszerként használják. Később a mesterséges intelligencia (AI) modellek azt találták, hogy a halisin antibiotikus tulajdonságokkal rendelkezik számos baktérium ellen. És erről hivatalosan is elnevezték. A „Halicin” elnevezés a Halra, egy kitalált mesterséges intelligencia-rendszerre utal, 2001: Space Odyssey.
A "2001: A Space Odyssey" egy klasszikus sci-fi film, amely kulcsszerepet játszik a sci-fi filmek történetében, és a sci-fi filmek egyik mérföldkövének tekintik. Az innovatív látványvilágáról, zenéjéről és történetmeséléséről ismert film magasra teszi a mércét a jövőbeli sci-fi filmek előtt. Rejtélyekkel és csodákkal teli univerzumot mutat be, lehetővé téve a közönség számára, hogy mélyen elgondolkodjon az emberiség jövőjéről, valamint a tudomány és a technológia fejlődéséről. A globális sci-fi kultúra részévé vált, és nagy hatással volt a jövőbeli sci-fi filmekre és tévéműsorokra.
▲ Mi a konkrét hatása és kilátásai?
Amikor először felfedezték a halisint, a kutatók számítógépes mély tanulási módszereket alkalmaztak annak megállapítására, hogy a halisin széles spektrumú antibiotikum lehet. Ezt a lehetőséget in vitro sejttenyésztési tesztek és egereken végzett in vivo kísérletek igazolták, amelyek számos gyógyszerrezisztens törzs ellen mutattak aktivitást, köztük a Clostridium difficile, az Acinetobacter baumannii és a Mycobacterium tuberculosis ellen. Hatásmechanizmusa magában foglalja a vas megkötését a bakteriális sejtekben, ezáltal megzavarja a sejtmembránok pH-egyensúlyának szabályozását. Az előzetes kutatások azt sugallják, hogy a halisin elpusztíthatja a baktériumokat azáltal, hogy megzavarja azok képességét, hogy elektrokémiai gradienst tartsanak fenn a sejtmembránokon. Ez a hatásmechanizmus eltér a legtöbb antibiotikumtól, és megnehezítheti a baktériumok rezisztencia kialakulását. Összességében a halisin bizonyítottan potenciális antibiotikum, különösen néhány olyan baktérium esetében, amelyek rezisztenssé váltak a hagyományos gyógyszerekkel szemben.
Ezt az új gyógyszert azonban először 2019-ben jelentették be, de még mindig nincs hír új gyógyszerről vagy bármilyen frissítésről, amely nehézségekbe ütközhetett a későbbi új gyógyszerkutatás és -fejlesztés során. A kezdeti gyanakvásnak két oka van: Először is, az új gyógyszerek kifejlesztésének nem megfelelő klinikai vizsgálati eredményei annak tudhatók be, hogy a kezdeti kísérletek nem tudták teljes mértékben igazolni a gyógyszer hatékonyságát vagy biztonságosságát. Ebben az esetben előfordulhat, hogy a K+F csoportnak újra kell értékelnie a gyógyszer alkalmasságát, és intézkedéseket kell tennie annak módosítására vagy optimalizálására. Másrészt a biztonsági és toxicitási kérdések is fontos szempontok, és az új gyógyszerek bevezetése előtt szigorú toxicitási és biztonsági értékeléseken kell átesni. Ha a fejlesztési folyamat során nemkívánatos biztonsági problémákat vagy toxicitást azonosítanak, további vizsgálatokra és módosításokra lehet szükség, hogy biztosítsák a gyógyszer biztonságosságát a betegek számára.
▲ Összefoglaló
Összefoglalva, a gépek nagy potenciállal rendelkeznek a gyógyszerkutatásban, különösen akkor, ha összetett információkkal foglalkoznak. A mély tanulás révén a gépek gyorsan megtalálhatják a mintákat, és felgyorsíthatják az új gyógyszerek felfedezését. Másodszor, kulcsfontosságú az együttműködés. A számítógépes, biológiai és gyógyszerészeti szakértőkből álló szupercsapat a kulcsa a mesterséges intelligencia sikeres alkalmazásának új gyógyszerek kifejlesztésére. Ez az együttműködés legyőzi a hagyományos K+F kihívásokat és javítja a hatékonyságot. A gép sikere azt is jelzi, hogy az adatok döntőek. A nagy adatok és a mély tanulás lehetővé teszi számunkra, hogy pontosabban megértsük a kábítószerek hatásait, és célzottabban tervezzük meg a gyógyszereket. Összességében a mesterséges intelligencia hatékonyabbá teszi az új gyógyszerek kifejlesztését, és új lehetőségeket hoz az orvostudományba. Az erősebb mesterséges intelligencia hozzáadásával a robotizált gyógyszerkutatás jövője hamarosan valósággá válik.