Paano Ginagamit ang Artipisyal na Talino upang matuklasan ang mga Bagong Paggamit para sa Gamot

$config[ads_kvadrat] not found

How Diabetes Treatment became a thing | Corporis

How Diabetes Treatment became a thing | Corporis
Anonim

Sa anumang naibigay na sandali, ang mga parmasyutiko na kumpanya ay may isang napakalaking library ng mga compound at walang bakas kung ano ang gagawin sa kanila. Nakapalansot sa malawak na koleksyon ng mga sintetiko at teoretikal na mga bangko sa bawal na gamot ay nakatago ng mga nakatagong hiyas - ang mga gamot upang gamutin ang marahil kahit na ang pinaka-mapangwasak na mga sakit - ngunit ang pagkilala sa kanila ay isang sakit: pagsubok ay maaaring tumagal ng mga taon, kahit na mga dekada, at madalas na mga mananaliksik ay hindi sigurado kung ano sila Naghahanap ka. Ang kailangan nila ay isang paraan upang i-uri-uriin sa pamamagitan ng mga duds - at ngayon, ito ay tulad ng artificial intelligence ay makakatulong.

Ang mga siyentipiko mula sa Insilico Medicine, isang bioinformatics firm, ay may korte kung paano magtuturo ng A.I. upang mahulaan ang therapeutic paggamit ng mga bagong gamot bago pa sila nasubok. Pag-publish ng kanilang trabaho ngayon sa journal Molecular Pharmaceutics, tinatalakay nila ang kanilang pagsasanay sa pagsasanay ng A.I., na nagsasangkot sa pagkuha ng malaking halaga ng data mula sa mga eksperimento sa mga selula ng tao gamit ang mga kilalang droga. Sa kabuuan, ito ay fed data ng pag-eksperimento sa 678 na gamot at ang mga epekto nito sa pagpapahayag ng gene sa tatlong uri ng mga selula ng tao.

Sa paglipas ng panahon, ang A.I. Nakagawa ng isang kahanga-hangang kakayahan upang mahulaan kung ano ang ginawa ng isang gamot na kapaki-pakinabang, pagkamit ng 54.6 porsiyento katumpakan sa pagtukoy ng isa sa 12 ng mga gamot therapeutic application. Habang ang mga ito ay maaaring mukhang tulad ng maliit na strides, kinakatawan nila ang isang malaking hakbang para sa mga mananaliksik, na kung hindi man ay kailangang gumawa ng mga hula sa pamamagitan ng nakakapagod na pag-eksperimento.

Kahit na ang "mali" na mga sagot sa A.I. ay kapaki-pakinabang, na tumuturo sa pangalawang paggamit para sa mga gamot na hindi itinuturing ng mga mananaliksik.

"Ang mundo ng artipisyal na katalinuhan ay mabilis na nagbabago at nakakaapekto sa bawat aspeto ng ating pang-araw-araw na buhay," sabi ni Alex Zhavoronkov, Ph.D., CEO ng Insilico Medicine. "At sa lalong madaling panahon ang pag-unlad na ito ay nadarama sa industriya ng pharmaceutical. Itinatag namin ang Pharma.AI division upang matulungan ang mga kompanya ng pharmaceutical na makabuluhang mapabilis ang kanilang R & D at dagdagan ang bilang ng mga naaprubahang gamot, ngunit sa proseso ay dumating kami na may higit sa 800 malakas na mga hypotheses sa oncology, cardiovascular, metabolic at CNS space at nagsimula ng basic validation."

"Kami ay maingat tungkol sa paggawa ng malakas na mga pahayag, ngunit kung ang diskarte na ito ay gumagana, ito ay uberize ang pharmaceutical industriya at makabuo ng walang uliran bilang ng QALY."

Habang ang pag-aaral ay isang patunay ng konsepto na maaaring gamitin ang mga AI upang kilalanin ang mga gamot na gumagamit ng genetic data, epektibo itong lumikha ng isang straight-up na pipeline para sa pagtuklas ng droga - isang gawa na si Alex Aliper, Ph.D., lead author ng pag-aaral at Insilico Medicine's presidente, na inilarawan bilang "susunod na antas." Ang mga prediksyon ng AI ay maaaring mabilis na mapabilis ang preclinical yugto para sa mga gamot - ibig sabihin, pag-uunawa kung ang isang gamot ay nakakalason sa mga selula sa isang ulam at mga cell sa loob ng katawan - na posibleng pagdoble sa bilang ng mga gamot ginagamit sa clinically.

$config[ads_kvadrat] not found