AI は、誰も見たことのない薬を夢見ています。 今、彼らが働く開発？

82 歳で、6 種類の化学療法で除去できなかったがんのほとんどが血液由来の悪性腫瘍であったため、「ポール」は選択の余地がないように見えました。 . 長期にわたる有害な治療のたびに、彼の臨床医は、効果を発揮するものを見つけることを期待して、伝統的なほとんどの癌治療薬のリストを作成し、それらを 1 つずつ削除していました。 同じ古いほとんどのガンキラーは彼らの仕事をしていませんでした.

失うものは何もなかったので、ポールの臨床医は、彼が住んでいるオーストリアのウィーン科学大学に滞在するためのトライアルアタッチメントに彼を登録しました。 大学は、Exscientia として知られる主に英国に拠点を置く会社によって開発された、特定の個々の患者と彼らが必要とする真の薬を組み合わせて、他の人々の間の微妙な有機的な違いを物語に取り入れて開発した最新のマッチメイキング能力を整理していました.

研究者たちは、ポールから組織のラントサンプルを採取しました (彼の本当の名前は現在ではありません)。彼の身元は裁判で隠蔽されていたため、身元が特定された)。 彼らは、すべての従来の細胞とほとんどの癌細胞を含むサンプルを100以上のオブジェクトに分割し、それらを数百のカクテルカクテルにさらしました. 次に、ロボット自動化と pc imaginative and prescient (細胞のラント変化を識別するように訓練された機械学習オブジェクト) を使用して、何が起こるかを観察しました。

開発中、研究者は臨床医が成し遂げたことを行っていました: さまざまな錠剤を試して、何がうまくいかないかを調べました. しかし、化学療法の数ヶ月間延長されたクラスを患者に挿入する代わりに、彼らは同時に数十の治療法を整理していました.

この手段により、労働者は有効な薬物を徹底的に調べることができました。 薬の 1 つは、ポールの最も多くの癌細胞を根絶しませんでした。 他の人は彼の健全な細胞を傷つけました。 ポールは、ここでトップになった薬を服用するには年を取りすぎていました。 そのため、彼はマッチメイキング プロセスで次点を与えられていました: 製薬大手のジョンソン & ジョンソンが販売しているほとんどの癌治療薬で、ポールの臨床医は、時代遅れの試験で彼の治療に効果的ではないことが示唆されたため、現在は試していませんでした。ほとんどの癌のタイプ。

苦労しました。 2 年後、ポールは完全に寛解していました。 Exscientia の CEO である Andrew Hopkins 氏は、この手段はほとんどのがんの治療に代わる山ほどの代替手段であると述べています。

有効な薬物を選択することは、Exscientia が解決する必要がある暴露の半分にすぎません。 この企業は、医薬品パターン パイプライン全体のオーバーホールに取り組んでいます。 Exscientia は、患者と既存の錠剤をうまく組み合わせるのと同じように、機械学習を使用して最新の錠剤を開発しています。

AI を活用して設計された最初の錠剤は実際に臨床試験中であり、厳格な試験が行われています。規制当局がモデルの利用を許可する前に、治療が有効かどうか、そして実際に効果があるかどうかを調べるために、人間のボランティアに対して行われた評価。 2021 年以来、Exscientia が開発した (またはさまざまな製薬会社と共同開発した) 2 つの錠剤がこのアプローチを開始しました。 企業は、2つの余分な提出方法について説明しています。

「ベテランの手段を使っていたら、このマーキュリアルを楽しむことはできませんでした」とホプキンスは言います。

Exscientia だけではありません。 実際、製薬企業内で機械学習の使用を検討しているスタートアップはたくさんあります、と、バイオテクノロジーおよびライフスタイル サイエンス企業に投資する VC 企業である Air Side Dual Carriageway Capital の Nathan Benaich 氏は言います。 」

最近では、中程度であれば、インターネットに 10 年以上かかり、何十億ドルもかかります。ブランドコンテンポラリードラッグ。 想像力と先見性は、AI を利用して創薬をより迅速かつ費用対効果の高いものにすることです。 一見錠剤が体の中でどのように振る舞うかを予測し、コンピューターから出る前に無表情の化合物を破棄することで、機械研究オブジェクトは骨の折れる実験室での作業の必要性を下げることができます.

そして、現代的な錠剤に署名する必要性は常にあると、主にカリフォルニアに本拠を置く製薬会社 Verseon の CEO である Adityo Prakash は言います。 3マイル延長されたファセット効果のリストで治療するか、最も簡単に治療できます。

現在、環境の周りに現代的なラボが構築されています。 最後の 12 か月で、Exscientia はウィーンにブランド コンテンポラリー評価センターをオープンしました。 2 月には、主に香港に本拠を置く創薬企業である Insilico Medication が、アブダビに巨大で現代的な研究所を開設しました。 全体として、AI の助けを借りて開発された約 20 種類の錠剤 (およびその数) が、実際に臨床試験に入っているか、臨床試験に入っています。

「誰かがあなたに、どの薬物分子が腸内でインターネットに接続できるかを完全に予測できると言ったら…彼らは間違いなく.火星であなたを宣伝するために土地を楽しんでください。

製薬企業内での自動化の増加により、指示するための十分な化学的および有機的知識が提供され始めたため、この仕事と資金の増加が見られますAbsci の創設者兼 CEO である Sean McClain 氏は説明します。Absci は主にワシントン州バンクーバーに本拠を置く会社で、AI を使用して何十億もの一見ドラッグ デザインを検索しています。 「今がその時です」と McClain は言います。 「今後 5 年間で、この企業の効果的な変革を模索していきます。」

まだAI創薬の黎明期。 多くの AI 企業が、彼らは成功しないと主張しています、と Prakash は言います。彼らは間違いなく、火星であなたを宣伝するための土地も楽しんでいます。」

そして、その能力はもはや万能薬ではありません: 実験室での細胞や組織の実験、および他の人々での評価は、エンチャント プロセスの最も遅く、最もコストのかかる側面であり、今やこれを下げることはできません。全体的に。 「何百もの時間を節約しています。 マサチューセッツ州ケンブリッジにあるスタートアップ インキュベーター、Flagship Pioneering のセクションである Pioneering Medicines の最高科学責任者である Luisa Salter-Cid は、次のように述べています。 「しかし、最後の検証はラボ内で行う必要があります。」 ミュート、AI はすでに錠剤の製造方法を変更しています。 ほとんどの場合、AI を活用して設計された最初の錠剤が市場に出回るよりも約 1 年早いですが、医薬品開発の初期段階から最終的な承認プロセスまで、製薬企業を揺るがす能力が必要です。

ブランドの現代的な薬をゼロから確立することに真剣に取り組む基本的なステップは、プリンシパルを変更していません。 まず、タンパク質など、薬物が一緒に作用する体の中の標的を排除します。 次に、実際に機能するデザインを変更したり、シャットダウンしたりするなど、注意を払う何かを開発する分子を開発します。 その後、実験室でその分子を生成し、それが実際に開発するために設計されたものを実際に実行することをテストします(それ以外は何もしません)。 そして間接的に、他の人々にそれを見て、それがすべて有効で効果的かどうかを調べてください.

長い間、化学者は指定された標的のサンプルを実験室の完全な束の小さな区画に挿入し、さまざまな分子を加え、反応を試みることによってスクリーニングされた候補薬を楽しんでいます。 次に、このプロセスを何度も繰り返して、候補となる薬物分子の構造を調整し、この原子をその原子と交換します。 自動化によって速度は向上しましたが、試行錯誤のコア プロセスは避けられません。

この現代世代の AI 企業は、薬物パターン パイプライン内の 3 つの重要な失敗の側面に焦点を当てています。それを使って、その分子がどの患者を最も助長しやすいかを突き止めます.

分子モデリングを楽​​しむ計算方法は、何十年にもわたって薬物パターンのパイプラインを再形成してきました。 ただし、最も効果的なアプローチでさえ、オブジェクトを手作業で熱心に構築することを楽しんでいます。これは、緩くてスパイシーなプロセスであり、現実世界の規定から逸脱したシミュレーションを生成する可能性があります。 機械学習では、薬や分子の知識に加えて、膨大な量の知識が、複雑なオブジェクトを日常的に構築するために適切に利用される可能性があります。 これにより、錠剤が体の中でどのように振る舞う可能性があるかを予測するための設計がより簡単かつ迅速になり、多くの初期の実験をコンピュータで利用できるようになります。 機械学習オブジェクトは、一見薬物分子の山のような未開発のプールでふるいにかけられる可能性があります。 要するに、実験室での (そしてその後の臨床試験での) スパイシーではあるが重要な作業は、これらの分子を最も簡単に利用して、成功する可能性が最も高いように見える必要があるということです。

多くの企業は、薬物の挙動をシミュレートするためにインターネットを利用する前に、標的の特定を明らかにするために機械学習を適用しています。 Exscientia などは、自然言語処理を利用して、何千もの公開された遺伝子配列と何十万ものチュートリアル論文の傍らで、長い間成功を収めてきた科学レポートの山のようなアーカイブから知識を掘り起こしています。 これらのドキュメントから抽出された知識は、ナレッジ グラフ 因果関係 「A が B を引き起こす」など。 次に、機械学習オブジェクトは、特定の病気を治療するために焦点を当てるべき最も有望なターゲットはどれであるかを予測することができます.

自然言語処理の適用ナレッジ マイニングは今では現代的ではありませんが、大手ゲーマーの側にいる製薬会社は実際にそれをプロセスの重要な部分にしています。

AstraZeneca のナレッジ サイエンスおよび AI 担当バイスプレジデントである Jim Weatherall 氏は、AI に大量の生物医学的知識を提供することで、彼と彼の従業員が現在狙っている薬物標的を勝ち取ることができたと述べています。別のケースでは、概念を楽しむことはできません。 「それは真の違いです」と彼は言います。 「何十万もの生物学の論文を学びに行く人間はいません。」 Weatherall 氏によると、方法論によって、奇妙な発見や過去 10 年間の忘れられた結果など、無関係に見える事柄の間の関連性が明らかになったという。 「その後、私たちの生物学者は急いでその場所を特定し、距離が適切かどうかを調査します」と Weatherall 氏は言います。 ただし、このターゲット識別方法論はまだ始まったばかりです。 彼はまた、それはアストラゼネカのどの錠剤よりも「数年」早く、臨床試験に急いでいると言います.

目標はかろうじて打ち上げです。 より大きな懸念は、それを使って何かを開発する薬物分子を設計することです。

体の内部の分子間の相互作用は非常に複雑です。 多くの丸薬 e 彼らが自分の仕事を開発する前に、腸などの敵対的な環境を通過することを楽しんでいます. そして、すべての部分は、原子スケールで機能する身体的および化学的刑務所のガイドラインによって支配されています. AI を活用した医薬品開発へのアプローチの目標は、山積みの可能性をナビゲートし、考慮に入れられるだけの数のボックスをチェックする現代の分子を即座に把握することです。

Generate Biomedicines は、主にマサチューセッツ州ケンブリッジに本拠を置くスタートアップであり、Flagship Pioneering を拠点としています。は、テキストのスクリーチから画像へのスキームの補助内で同じタイプのジェネレーティブ AI を使用して、DALL-E 2 を楽しむことを開発することを目指しています。それらを特定の特性を持つ ^{タンパク質構造 にします。 タンパク質の機能はその 3D フォールディングによって決定されるため、開発中は、特定の機能を実行できるタンパク質を特定するためにさらに考慮に入れることができます。 (ワシントン大学のデビッド・ベイカーの研究室の横にある他のグループは、同じ技術を確立しています。)}

「苦しんでいる人は、何年もの間、うまくいかない薬を手に入れて、すぐに真ん中にいることの内外を行くというこの恐ろしい経験を楽しむことができます.」

リチャード・ロー、Exscientia の最高企業責任者

Absci は、さまざまな方法で機械学習を使用して、最新のタンパク質ベースの錠剤を提供しようとしている可能性があります。 この企業は、既存の抗体 (免疫機械が微生物、ウイルス、およびさまざまな望ましくない攻撃者を排除するために使用するタンパク質) を取得し、研究室での実験から得た知識に基づいて訓練されたオブジェクトを使用して、これらの抗体のさまざまな側面の現代的な設計に近づきます。国際的な話題に。 憶測は、既存の抗体を改良して、標的への結合を改善することです。 シミュレーションに変更を加えた後、研究者は合成を行い、最も単純に機能するデザインを検討します。 SARS-CoV-2のスパイクタンパク質、covid-19を引き起こすウイルス、およびほとんどの癌細胞の成長を助けるタンパク質の種類をブロックする別のウイルスを標的とする個人の側で、いくつかの既存の抗体を改良する手段が脆弱でした。 .

主にケンブリッジに本拠を置くもう 1 つのフラグシップ パイオニア スタートアップである Apriori Bio も、covid を認識しており、ウイルスの亜種の山のような選択肢から他の人々を守ることができるインターネット ワクチンに特に期待しています。 この企業は、ラボ内で数十万のバリアントを構築し、新型コロナウイルスと闘う抗体がそれらにどれだけきちんと購入されているかを評価します。 次に、機械学習を使用して、一見最高の抗体が 1000 億 (10²⁰

に対してどのように機能するかを予測します。 ) 追加のバリアント。 目標は、最も有望な抗体を取得することです。これらの抗体は、非常に多様なバリアントを受け入れる準備ができているように見えるか、おそらく心配の特定のバリアントに対して努力する可能性があります。

「正直なところ、これを実験的に開発することは現実的ではありません」と Lovisa Afzelius は言います。 Flagship Pioneering のアソシエイトであり、Apriori Bio の CEO です。 「あなたの人間の心が、これらすべてのビットとオブジェクトを空間に取り付けて、その全体の機械を理解できるという設計はおそらくないかもしれません. : 将来の錠剤の物質にさらに変化する有機および化学構造の効果的な未開発のプールを開きます。 非常に同一の分子を取り除くと、Prakash によると、メルク、ノバルティス、アストラゼネカなどの Immense Pharma のすべてを合わせると、最大で 1,000 万個の分子の成分チェックリストがあり、そこから錠剤を作成できます。 . 「これは、私たちが地球全体で整理しているものです。これは、過去 100 年間、何百人もの化学者が苦労して作ったものです」と彼は言います

。 のオプションは、さらに丸薬 は、有機化学の基礎からすると 10³³

(推計盛り合わせは、薬物のオプションを追加して楽しむ楽しみの分子を増やしても、10 の範囲内で ⁶⁰))。 「その量を 1,000 万匹と比較すると、海の隣にある潮だまりでさえ釣りをしていないことがわかります」と Prakash 氏は言います。 「私たちは水滴で釣りをしています。」

他の企業と同様に、Prakash の会社である Verseon は、この海を調査するためにあらゆる古い方法と現代の計算方法を使用しており、何十万ものデータを生成しています。分子を説明し、それらの特性を分類します。 Verseon は、分子がどのように結合するかに影響を与える原子間の熱狂と引っ張りをシミュレートして、体の内部の錠剤とタンパク質間の相互作用を物理学の暴露として扱います。 このような分子シミュレーションは現代的ではありませんが、Verseon は AI を使用して、分子がどのように連携するかを非常に正確にモデル化します。 この時点までに、同社は、心血管の規定、感染症、およびほとんどの癌を除いて、さまざまな病気のための16の候補薬を製造しています. ある種の丸薬は臨床試験中で、他のいくつかの薬の試験は、すぐに発売する予定です。