|
Как ИИ придумывают новые препараты
|
|
|
|
В начале 2023 года стало известно о том, что первое найденное компьютером лекарство прошло первую фазу клинических испытаний. Хотя пока его эффективность еще ожидает подтверждения, многие специалисты надеются: в области фармацевтики грядет революция. В последнее время внимание всего мира приковано к чат-ботам с искусственным интеллектом (ИИ) — например, к ChatGPT от OpenAI. Но, похоже, прямо сейчас происходит и другая революция, связанная с ИИ. Речь идет об использовании машинного обучения для поиска новых лекарств. В последнее время в этой области наметились реальные перспективы.
|
|
|
|
В январе 2023 года биотехнологическая компания Insilico Medicine объявила о том, что ее препарат, открытый искусственным интеллектом, прошел первую фазу клинических испытаний. Подобные разработки ведут несколько компаний по всему миру, но такой результат "таблетки из машины" показали впервые. Создание нового лекарства — процесс крайне долгий и затратный. Специалистам нужно не просто найти химическое соединение, нацеленное на конкретную мишень в организме, но и протестировать его. На любом этапе испытаний может возникнуть проблема. Например, препарат исправно действует на мишень в пробирке, но не в организме человека. Или вызывает побочные эффекты. Или эффект оказывается выраженным только у животных.
|
|
|
Сложность человеческой биологии делает разработку лекарств астрономически дорогой. Еще в 1980-х годах ученые заметили, что стоимость фармацевтических исследований и разработок удваивалась каждые десять лет или около того. Позже этот эффект назвали законом Эрума (Eroom's law). Это была отсылка к известному "закону Мура" (Moore's law), который гласит, что вычислительные мощности компьютеров растут экспоненциально. Только в случае лекарств все было наоборот (отсюда и Eroom — зеркальное отражение Moore). Чем дальше — тем сложнее и дороже было находить новые препараты.
|
|
|
|
"Число малых молекул составляет 10 в 60-й степени, но лишь крошечная часть этого астрономически большого химического пространства исследована, — объясняет биоинформатик из Гарвардской медицинской школы Маринка Зитник. — Разработать с нуля лекарство, которое было бы одновременно безопасным и эффективным, невероятно сложно. В среднем на это уходит от 11 до 16 лет и от $1 млрд до $2 млрд". Машинные алгоритмы могу взять на себя часть работы: определить, какие из молекул с наибольшей вероятностью окажутся безопасными и эффективными для лечения человека. Благодаря своей способности находить паттерны (общие для многих объектов черты) алгоритмы "просеивают" огромные объемы биохимических данных. Они могут опираться на данные секвенирования генома, анализы и данные о действии других молекул. В конечном счете, по ожиданиям разработчиков, это позволит если не передать машинному интеллекту всю работу по поиску лекарств, то хотя бы снизить стоимость и сократить сроки.
|
|
|
|
"Переварить" данные, чтобы понять суть
|
|
|
|
Компанию Insilico Medicine основали в 2014 году ученые-исследователи из России Александр Жаворонков и Александр Алипер. В то время системы глубокого обучения только начали показывать значимые результаты в распознавании изображений. Прорывы вызвали всплеск интереса к ИИ, но большинство проектов были сосредоточены на изображениях, голосе и тексте. В биологии задачи были гораздо более сложными и трудоемкими. Сейчас главная разработка Insilico касается молекулы, которая лечит идиопатический легочный фиброз (ИЛФ). Причины его возникновения до конца не известны (отсюда и слово "идиопатический", то есть возникающий самостоятельно, без связи с другими состояниями), но он делает ткани легких пожилых людей жесткими и в конечном итоге может убить их. Ежегодно им заболевают пять миллионов человек.
|
|
|
|
Insilico использует два отдельных пакета программного обеспечения: один — чтобы найти новую мишень для лекарств, и второй — чтобы предложить молекулу, которая бы эффективно воздействовала на эту мишень. Первая нейросеть, названная PandaOmics, выявляет биомаркеры фиброза в легких по данным обследований. Также на помощь приходит анализ врачебных записей — чтобы найти дополнительные подсказки. Когда первая программа останавливается на конкретной мишени, подключается другая — Chemistry42. Сначала исследователи "предлагают" ей для обучения большой объем различных молекул с определенными свойствами. А дальше программа сама генерирует молекулы с желаемыми свойствами. На последнем этапе отсеиваются структуры, которые не соответствуют критериям качества.
|
|
|
|
Путь к прорывам только начинается
|
|
|
|
Молекула INS018_055, найденная нейросетью, должна избирательно блокировать работу ферментов из семейства тирозинкиназ. По одной из версий, именно они отвечают за развитие идиопатического легочного фиброза. Ученые синтезировали это вещество и успешно проверили его эффективность в опытах на мышах и других модельных животных. Первая фаза клинических испытаний — это уже переход к тестированию на людях. Препарат уже получили около 80 добровольцев из Новой Зеландии — и перенесли его хорошо. Но пока это только проверка безопасности. Фазы II и III проверяют эффективность — сначала на небольшой выборке из нескольких сотен человек, а затем на более крупной выборке из тысяч участников. Они стартуют в ближайшие месяцы.
|
|
|
|
Insilico — не единственный стартап подобного рода. Так, британская компания Exscientia попала в заголовки газет в 2021 года, объявив о начале первой фазы клинических испытаний препарата, разработанного с использованием ИИ для иммунотерапии рака. А компания Recursion Pharmaceuticals из штата Юта (США) использует искусственный интеллект для поиска новых применений лекарств, принадлежащих другим компаниям. Если судить по других областям, где ИИ активно развивается, в ближайшие годы можно ожидать взрывного роста подобных исследований. Впрочем, могут появиться и новые сложности, о которым мы пока не знаем.
|
|
|
|
Источник
|
