วิธีทำให้ AI 'รู้สึกได้ถึงลำไส้' ว่าโมเลกุลใดจะสร้างยาได้ดีที่สุด

สัญชาตญาณและ AI ทำให้เกิดคู่รักที่แปลกประหลาด

สัญชาตญาณยากที่จะอธิบาย มันเป็นความรู้สึกที่กัดกินคุณ แม้ว่าคุณจะไม่รู้ว่าทำไมก็ตาม เราสร้างสัญชาตญาณโดยธรรมชาติผ่านประสบการณ์ ความรู้สึกจากสัญชาตญาณไม่ได้ถูกต้องเสมอไป แต่พวกมันมักจะคืบคลานเข้าสู่จิตใต้สำนึกของเราเพื่อเสริมตรรกะและเหตุผลในการตัดสินใจ

ในทางตรงกันข้าม AI จะเรียนรู้อย่างรวดเร็วโดยการย่อยจุดข้อมูลที่เย็นและแข็งหลายล้านจุด ทำให้เกิดผลลัพธ์เชิงวิเคราะห์ล้วนๆ (หากไม่สมเหตุสมผลเสมอไป) โดยอิงจากข้อมูลนำเข้า

ตอนนี้ การศึกษาใหม่ in การสื่อสารธรรมชาติ แต่งงานกับคู่คี่ ส่งผลให้เกิดระบบการเรียนรู้ของเครื่องที่รวบรวมสัญชาตญาณของนักเคมีในการพัฒนายา

ด้วยการวิเคราะห์ความคิดเห็นจากนักเคมี 35 คนที่ Novartis บริษัทยาที่ตั้งอยู่ในสวิตเซอร์แลนด์ ทีมงานได้พัฒนาแบบจำลอง AI ที่เรียนรู้จากความเชี่ยวชาญของมนุษย์ในขั้นตอนการพัฒนายาที่โด่งดังอย่างฉาวโฉ่ นั่นคือการค้นหาสารเคมีที่มีแนวโน้มเข้ากันได้กับชีววิทยาของเรา

ประการแรก นักเคมีใช้สัญชาตญาณในการเลือกคู่เคมีจาก 5,000 คู่ที่มีโอกาสสูงที่จะกลายเป็นยาที่มีประโยชน์ จากข้อเสนอแนะนี้ โครงข่ายประสาทเทียมแบบธรรมดาจึงได้เรียนรู้ถึงความชอบของพวกเขา เมื่อถูกท้าทายด้วยสารเคมีชนิดใหม่ แบบจำลอง AI จะให้คะแนนแต่ละรายการเพื่อจัดอันดับว่าคุ้มค่าสำหรับการพัฒนาต่อไปในฐานะยาหรือไม่

หากไม่มีรายละเอียดเกี่ยวกับโครงสร้างทางเคมี AI "โดยสังหรณ์ใจ" จะให้คะแนนองค์ประกอบโครงสร้างบางอย่างซึ่งมักเกิดขึ้นในยาที่มีอยู่ซึ่งสูงกว่าองค์ประกอบอื่นๆ น่าประหลาดใจที่มันยังจับคุณสมบัติคลุมเครือที่ไม่ได้ตั้งโปรแกรมไว้อย่างชัดเจนในความพยายามสร้างแบบจำลองคอมพิวเตอร์ครั้งก่อน เมื่อจับคู่กับแบบจำลอง AI แบบกำเนิด เช่น DALL-E นักเคมีหุ่นยนต์ได้ออกแบบโมเลกุลใหม่ๆ จำนวนมากเพื่อเป็นโอกาสในการขาย

ผู้สมัครยาที่มีแนวโน้มดีจำนวนมากมีพื้นฐานมาจาก "ความรู้ร่วมกัน" ทีมงานเขียน

การศึกษานี้เป็นความร่วมมือระหว่าง Novartis และ Microsoft Research AI4Science ซึ่งตั้งอยู่ในสหราชอาณาจักร

ลงหลุมกระต่ายเคมี

ยาที่ใช้ในชีวิตประจำวันส่วนใหญ่ของเราทำจากโมเลกุลขนาดเล็ก เช่น ไทลินอลสำหรับความเจ็บปวด เมตฟอร์มินสำหรับการจัดการโรคเบาหวาน ยาปฏิชีวนะเพื่อต่อสู้กับการติดเชื้อแบคทีเรีย

แต่การค้นพบโมเลกุลเหล่านี้กลับกลายเป็นความเจ็บปวด

ขั้นแรก นักวิทยาศาสตร์ต้องเข้าใจว่าโรคนี้ทำงานอย่างไร ตัวอย่างเช่น พวกมันถอดรหัสปฏิกิริยาลูกโซ่ของปฏิกิริยาทางชีวเคมีที่ทำให้คุณปวดหัวหนัก จากนั้นพวกเขาก็พบจุดอ่อนที่สุดในสายโซ่ ซึ่งมักเป็นโปรตีน และจำลองรูปร่างของมัน โครงสร้างในมือช่วยระบุซอกมุมที่โมเลกุลสามารถเข้าไปขัดขวางการทำงานของโปรตีนได้ ดังนั้นจึงเป็นการหยุดกระบวนการทางชีววิทยา ไม่ต้องปวดหัวอีกต่อไป

ด้วย AI การทำนายโปรตีนเช่น AlphaFold, RoseTTAFold และหน่อของพวกมัน ขณะนี้การสร้างแบบจำลองโครงสร้างของโปรตีนเป้าหมายทำได้ง่ายขึ้น การหาโมเลกุลที่ลงตัวนั้นเป็นอีกเรื่องหนึ่ง ยาไม่จำเป็นต้องเปลี่ยนกิจกรรมของเป้าหมายเท่านั้น นอกจากนี้ยังต้องดูดซึมได้ง่าย แพร่กระจายไปยังอวัยวะหรือเนื้อเยื่อเป้าหมาย และเผาผลาญและกำจัดออกจากร่างกายได้อย่างปลอดภัย

นี่คือที่มาของนักเคมีทางการแพทย์ นักวิทยาศาสตร์เหล่านี้ เป็นผู้บุกเบิกการนำการสร้างแบบจำลองคอมพิวเตอร์มาใช้. กว่าสองทศวรรษที่ผ่านมา ภาคสนามเริ่มใช้ซอฟต์แวร์เพื่อกรองฐานข้อมูลสารเคมีขนาดใหญ่มหาศาลเพื่อค้นหาโอกาสในการขายที่มีแนวโน้ม จากนั้นทีมนักเคมีจะประเมินสารตะกั่วที่มีศักยภาพแต่ละตัวก่อนที่จะพัฒนาต่อไป

ด้วยกระบวนการนี้ นักเคมีทางการแพทย์จึงสร้างสัญชาตญาณขึ้นมา ช่วยให้พวกเขาสามารถตัดสินใจได้อย่างมีประสิทธิภาพ เมื่อพิจารณาผู้สมัครยาที่มีศักยภาพ บางส่วนของการฝึกอบรมสามารถทำได้ กลั่นออกเป็นกฎเกณฑ์ เพื่อให้คอมพิวเตอร์เรียนรู้ เช่น โครงสร้างนี้ไม่น่าจะผ่านเข้าสู่สมอง สิ่งนั้นอาจทำให้ตับเสียหายได้ กฎของผู้เชี่ยวชาญเหล่านี้ช่วยในการคัดกรองเบื้องต้น แต่จนถึงตอนนี้ ยังไม่มีโปรแกรมใดที่สามารถจับภาพรายละเอียดปลีกย่อยและความซับซ้อนในการตัดสินใจได้ ส่วนหนึ่งเป็นเพราะนักเคมีไม่สามารถอธิบายได้ด้วยตนเอง

ฉันมีความรู้สึก

การศึกษาใหม่นี้มุ่งหวังที่จะจับภาพที่ไม่สามารถอธิบายได้ในโมเดล AI

ทีมงานได้คัดเลือกนักเคมีผู้เชี่ยวชาญ 35 คนจากศูนย์ Novartis หลายแห่งทั่วโลก โดยแต่ละคนมีความเชี่ยวชาญที่แตกต่างกัน บางชนิดทำงานกับเซลล์และเนื้อเยื่อ เช่น บางชนิดทำงานกับการสร้างแบบจำลองด้วยคอมพิวเตอร์

สัญชาตญาณนั้นวัดได้ยาก มันก็ไม่น่าเชื่อถือเช่นกัน โดยพื้นฐานแล้ว ทีมงานได้ออกแบบเกมที่มีผู้เล่นหลายคนเพื่อวัดว่านักเคมีแต่ละคนมีความสอดคล้องในตัวเลือกของตนหรือไม่ และตัวเลือกของพวกเขาเห็นด้วยกับนักเคมีของคนอื่นๆ หรือไม่ นักเคมีแต่ละคนเห็นคู่โมเลกุล 220 คู่ และถามคำถามที่คลุมเครือโดยเจตนา ตัวอย่างเช่น ลองจินตนาการว่าคุณอยู่ในแคมเปญคัดกรองเสมือนจริงในช่วงแรกๆ และเราต้องการยาที่สามารถใช้เป็นยาเม็ดได้—โมเลกุลใดที่คุณต้องการ

เป้าหมายคือเพื่อลดการคิดมาก โดยผลักดันให้นักเคมีพึ่งพาสัญชาตญาณของตนว่าสารเคมีใดคงอยู่และสารเคมีใดไป การตั้งค่านี้แตกต่างจากการประเมินตามปกติ โดยที่นักเคมีจะตรวจสอบคุณสมบัติโมเลกุลเฉพาะด้วยแบบจำลองการทำนาย ซึ่งก็คือข้อมูลแข็ง

นักเคมีมีความสอดคล้องในวิจารณญาณของตนเอง แต่ก็ไม่ได้เห็นพ้องต้องกันเสมอไป อาจเป็นเพราะประสบการณ์ส่วนตัวที่แตกต่างกัน อย่างไรก็ตาม มีการทับซ้อนกันเพียงพอที่จะสร้างรูปแบบพื้นฐานที่โมเดล AI สามารถเรียนรู้ได้ ทีมงานอธิบาย

จากนั้นพวกเขาก็สร้างชุดข้อมูลเป็น 5,000 คู่โมเลกุล โมเลกุลซึ่งแต่ละโมเลกุลมีป้ายกำกับข้อมูลเกี่ยวกับโครงสร้างและคุณลักษณะอื่นๆ ถูกนำมาใช้ในการฝึกโครงข่ายประสาทเทียมแบบง่ายๆ ด้วยการฝึกอบรม เครือข่าย AI ได้ปรับการทำงานภายในเพิ่มเติมตามคำติชมจากนักเคมี และให้คะแนนแต่ละโมเลกุลในที่สุด

เพื่อเป็นการตรวจสอบสุขภาพ ทีมงานได้ทดสอบแบบจำลองกับคู่เคมีที่แตกต่างจากชุดข้อมูลการฝึกอบรม เมื่อพวกเขาเพิ่มจำนวนตัวอย่างการฝึกอบรม ประสิทธิภาพก็พุ่งสูงขึ้น

แม้ว่าโปรแกรมคอมพิวเตอร์ก่อนหน้านี้จะอาศัยกฎเกณฑ์สำหรับสิ่งที่ทำให้เกิดยาที่มีศักยภาพตามโครงสร้างโมเลกุล แต่คะแนนของแบบจำลองใหม่ไม่ได้สะท้อนถึงกฎเกณฑ์ใดๆ เหล่านี้โดยตรง AI จับมุมมองแบบองค์รวมมากขึ้นเกี่ยวกับสารเคมี ซึ่งเป็นแนวทางที่แตกต่างไปจากเดิมอย่างสิ้นเชิง การค้นพบยาเสพติด มากกว่าที่ใช้ในซอฟต์แวร์โรโบเคมีแบบคลาสสิก

จากนั้นทีมงานใช้ AI เพื่อคัดกรองยาหลายร้อยชนิดที่ได้รับการรับรองจาก FDA และโมเลกุลนับพันจากธนาคารข้อมูลทางเคมี แม้ว่าจะไม่มีการฝึกอบรมที่ชัดเจน แบบจำลองนี้ก็ดึงโครงสร้างทางเคมีที่เรียกว่า "แฟรกเมนต์" ออกมา ซึ่งนำไปใช้ในการพัฒนาต่อไปเป็นยาได้ดีกว่า การตั้งค่าการให้คะแนนของ AI ตรงกับโมเลกุลที่มีลักษณะคล้ายยาที่มีอยู่ ซึ่งบ่งบอกว่าได้เข้าใจส่วนสำคัญของสิ่งที่ทำให้เกิดความเป็นไปได้

เคมีโรแมนติก

Novartis ไม่ใช่บริษัทแรกที่สำรวจความโรแมนติกทางเคมีระหว่างมนุษย์กับหุ่นยนต์

ก่อนหน้านี้บริษัทยาเมอร์ค แตะด้วย ความเชี่ยวชาญภายในองค์กรเพื่อจัดอันดับสารเคมีตามลักษณะที่พึงประสงค์ ภายนอกอุตสาหกรรม ทีม ที่มหาวิทยาลัยกลาสโกว์ได้สำรวจโดยใช้หุ่นยนต์ที่ใช้สัญชาตญาณในการทดลองทางเคมีอนินทรีย์

มันยังเป็นเพียงการศึกษาเล็กๆ และผู้เขียนก็ไม่สามารถแยกแยะความผิดพลาดของมนุษย์ได้ นักเคมีบางคนอาจเลือกโมเลกุลตามอคติส่วนตัวซึ่งยากจะหลีกเลี่ยงโดยสิ้นเชิง อย่างไรก็ตาม การตั้งค่านี้สามารถใช้เพื่อศึกษาขั้นตอนอื่นๆ ในการค้นพบยาที่มีราคาแพงในการทดลองให้เสร็จสิ้น และแม้ว่าโมเดลจะขึ้นอยู่กับสัญชาตญาณ ผลลัพธ์ของโมเดลอาจได้รับการเสริมด้วยตัวกรองตามกฎเพื่อปรับปรุงประสิทธิภาพให้ดียิ่งขึ้น

เราอยู่ในยุคที่การเรียนรู้ของเครื่องสามารถออกแบบโมเลกุลนับหมื่นได้ ทีมงานอธิบาย ผู้ช่วยนักเคมี AI ซึ่งมีสัญชาตญาณสามารถช่วยจำกัดผู้สมัครให้แคบลงในช่วงเริ่มต้นที่สำคัญของการค้นพบยา และในทางกลับกัน จะช่วยเร่งกระบวนการทั้งหมด

เครดิตภาพ: ยูจีเนีย โคซีร์ / Unsplash

• เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
• PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
• เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
• เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
• เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
• ที่มา: https://singularityhub.com/2023/11/03/how-to-give-ai-a-gut-feeling-for-which-molecules-will-make-the-best-drugs/