כיצד להעניק לבינה מלאכותית 'תחושת בטן' עבור אילו מולקולות ייצרו את התרופות הטובות ביותר

אינטואיציה ובינה מלאכותית יוצרים זוג מוזר.

קשה לתאר אינטואיציה. תחושת הבטן הזו מכרסמת בך, גם אם אתה לא יודע למה. אנו בונים באופן טבעי אינטואיציה באמצעות ניסיון. תחושות הבטן לא תמיד נכונות; אך לעתים קרובות הם מתגנבים אל תת המודע שלנו כדי להשלים את ההיגיון וההיגיון בעת ​​קבלת החלטות.

AI, לעומת זאת, לומדת במהירות על ידי עיכול מיליוני נקודות נתונים קרות וקשות, ומפיקה תוצאות אנליטיות בלבד - אם לא תמיד סבירות - על סמך הקלט שלה.

עכשיו, מחקר חדש in תקשורת טבע מתחתן עם הזוג המוזר, וכתוצאה מכך מערכת למידת מכונה הלוכדת את האינטואיציה של כימאי לפיתוח תרופות.

על ידי ניתוח משוב מ-35 כימאים ב-Novartis, חברת תרופות שבסיסה בשוויץ, הצוות פיתח מודל AI שלומד מהמומחיות האנושית בשלב קשה הידוע לשמצה של פיתוח תרופות: מציאת כימיקלים מבטיחים התואמים לביולוגיה שלנו.

ראשית, הכימאים השתמשו באינטואיציה שלהם כדי לבחור למי מבין 5,000 זוגות כימיקלים יש סיכוי גבוה יותר להפוך לתרופה שימושית. מהמשוב הזה, רשת עצבים מלאכותית פשוטה למדה את העדפותיה. כאשר מאותגר עם כימיקלים חדשים, מודל ה-AI נתן לכל אחד מהם ציון שדירג האם הוא ראוי להמשך פיתוח כתרופה.

ללא כל פירוט על המבנים הכימיים עצמם, הבינה המלאכותית השיגה ציון "אינטואיטיבי" של רכיבים מבניים מסוימים, המופיעים לעתים קרובות בתרופות קיימות, גבוה יותר מאחרים. באופן מפתיע, הוא גם תפס מאפיינים מעורפלים שלא תוכנתו במפורש בניסיונות מודלים קודמים של מחשב. בשילוב עם מודל AI יצירתי, כמו DALL-E, הרובו-כימאי עיצב שלל מולקולות חדשות בתור לידים פוטנציאליים.

מועמדים רבים לתרופות מבטיחות התבססו על "ידע משותף", כתב הצוות.

המחקר הוא שיתוף פעולה בין נוברטיס ו-Microsoft Research AI4Science, שהאחרונה מבוססת בבריטניה.

במורד חור הארנב הכימי

רוב התרופות היומיומיות שלנו עשויות ממולקולות קטנות - טיילנול לכאב, מטפורמין לטיפול בסוכרת, אנטיביוטיקה למניעת זיהומים חיידקיים.

אבל למצוא את המולקולות האלה זה כאב.

ראשית, מדענים צריכים להבין כיצד המחלה פועלת. לדוגמה, הם מפענחים את שרשרת התגובות הביוכימיות שגורמות לך כאב ראש חזק. אז הם מוצאים את החוליה החלשה ביותר בשרשרת, שהיא לרוב חלבון, ומדגמים את צורתו. מבנה ביד, הם מצביעים על פינות ונקודות שאליהם מולקולות יכולות להיתקע כדי לשבש את תפקוד החלבון, ובכך להפסיק את התהליך הביולוגי - וואלה, לא עוד כאבי ראש.

תודה חיזוי חלבון AI, כגון AlphaFold, RoseTTAFold והשלכות שלהם, כעת קל יותר לדגמן את המבנה של חלבון מטרה. מציאת מולקולה שמתאימה לה זה עניין אחר. התרופה לא צריכה רק לשנות את פעילות המטרה. זה גם חייב להיספג בקלות, להתפשט לאיבר המטרה או לרקמה, ולהיות מטבוליזם בטוח וסילוק מהגוף.

כאן נכנסים לתמונה כימאים רפואיים. המדענים האלה הם חלוצים באימוץ מודלים ממוחשבים. לפני יותר משני עשורים, התחום החל להשתמש בתוכנה כדי לנפות מסדי נתונים גדולים מאוד של כימיקלים בחיפוש אחר לידים מבטיחים. כל מוביל פוטנציאלי מוערך על ידי צוות של כימאים לפני המשך פיתוח.

באמצעות תהליך זה, כימאים רפואיים בונים אינטואיציה מאפשר להם לקבל החלטות ביעילות בעת סקירת מועמדים לתרופות מבטיחות. חלק מההכשרה שלהם יכולה להיות מזוקק לתוך כללים למחשבים ללמוד - למשל, סביר להניח שהמבנה הזה לא יעבור למוח; שאפשר להזיק לכבד. כללי מומחים אלו עזרו בסינון ראשוני. אבל עד כה, אף תוכנית לא יכולה לתפוס את הדקויות והמורכבות של קבלת ההחלטות שלהן, בין היתר משום שהכימאים לא יכולים להסביר זאת בעצמם.

יש לי הרגשה

המחקר החדש ביקש ללכוד את הבלתי מוסבר במודל AI.

הצוות גייס 35 כימאים מומחים במרכזי נוברטיס שונים ברחבי העולם, כל אחד עם מומחיות שונה. חלקם עובדים עם תאים ורקמות, למשל, אחרים עם מודלים ממוחשבים.

קשה למדוד אינטואיציה. זה גם לא בדיוק אמין. בתור בסיס, הצוות עיצב משחק מרובה משתתפים כדי לאמוד אם כל כימאי היה עקבי בבחירותיו והאם הבחירות שלו מתאימות לאלה של אחרים. לכל כימאי הראו 220 זוגות מולקולות ושאלו שאלה מעורפלת בכוונה. לדוגמה, דמיינו שאתם נמצאים בקמפיין מיון וירטואלי מוקדם, ואנחנו צריכים תרופה שאפשר לקחת כגלולה - איזו מולקולה הייתם מעדיפים?

המטרה הייתה להפחית חשיבה יתרה, לדחוף את הכימאים להסתמך על האינטואיציה שלהם עבור איזה כימיקל נשאר ואיזה הולך. מערך זה שונה מהערכות רגילות, שבהן הכימאים בודקים תכונות מולקולריות ספציפיות באמצעות מודלים חזויים - כלומר, נתונים קשיחים.

הכימאים היו עקביים בשיקול הדעת שלהם, אבל לא תמיד הסכימו זה עם זה - כנראה בגלל חוויות אישיות שונות. עם זאת, הייתה מספיק חפיפה כדי ליצור דפוס בסיסי שמודל AI יכול ללמוד ממנו, הסביר הצוות.

לאחר מכן הם בנו את מערך הנתונים ל-5,000 זוגות מולקולות. המולקולות, כל אחת מסומנת במידע על המבנה שלה ותכונות אחרות, שימשו לאימון רשת עצבית מלאכותית פשוטה. עם האימון, רשת הבינה המלאכותית התאימה עוד יותר את פעולתה הפנימית בהתבסס על משוב מהכימאים, ובסופו של דבר נתנה לכל מולקולה ציון.

כבדיקת שפיות, הצוות בדק את המודל על צמדי כימיקלים שונים מאלה שבמערך ההדרכה שלו. כשהם הגדילו את מספר דגימות האימונים, הביצועים עלו.

בעוד שתוכניות מחשב קודמות הסתמכו על כללים עבור מה שהופך תרופה מבטיחה המבוססת על מבנה מולקולרי, הציונים של המודל החדש לא שיקפו ישירות אף אחד מהכללים הללו. ה-AI תפס השקפה הוליסטית יותר של חומר כימי - גישה שונה לחלוטין גילוי תרופות מזה המשמש בתוכנת רובו-כימאי קלאסית.

באמצעות הבינה המלאכותית, הצוות סקר מאות תרופות מאושרות על ידי ה-FDA ואלפי מולקולות ממאגר נתונים כימי. אפילו ללא הכשרה מפורשת, המודל חילץ מבנים כימיים - המכונים "פרגמנטים" - שמתאימים יותר לפיתוח נוסף כתרופות. העדפות הניקוד של הבינה המלאכותית התאימו לאלו של מולקולות דמויות תרופות קיימות, מה שמרמז שהיא תפסה את עיקרי מה שעושה מוביל פוטנציאלי.

רומנטיקה כימית

נוברטיס היא לא החברה הראשונה שחוקרת רומן כימי בין אדם לרובוט.

בעבר חברת התרופות Merck גם הקיש לתוך המומחיות הפנימית שלהם לדרג כימיקלים לתכונה רצויה. מחוץ לתעשייה, צוות באוניברסיטת גלזגו חקר שימוש ברובוטים מבוססי אינטואיציה לניסויים כימיים אנאורגניים.

זה עדיין מחקר קטן, והמחברים לא יכולים לשלול כשלים אנושיים. כמה כימאים עשויים לבחור מולקולה על סמך הטיות אישיות שקשה להימנע לחלוטין. עם זאת, ניתן להשתמש במערך כדי לחקור שלבים אחרים בגילוי תרופות שיקרים להשלמתם בניסוי. ולמרות שהמודל מבוסס על אינטואיציה, התוצאות שלו יכולות להתחזק על ידי מסננים מבוססי כללים כדי לשפר עוד יותר את הביצועים שלו.

אנו נמצאים בעידן שבו למידת מכונה יכולה לעצב עשרות אלפי מולקולות, הסביר הצוות. עוזר כימאי בינה מלאכותית, חמוש באינטואיציה, יכול לעזור לצמצם מועמדים בשלב מוקדם קריטי של גילוי תרופות, ובתמורה להאיץ את התהליך כולו.

תמונת אשראי: יוגניה קוזיר / Unsplash

• הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
• PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
• PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
• PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
• PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
• מקור: https://singularityhub.com/2023/11/03/how-to-give-ai-a-gut-feeling-for-which-molecules-will-make-the-best-drugs/