|
ИИ реинжинирирует процесс поиска лекарств
|
|
|
|
В декабре The Conversation провел вебинар, посвященный революционной роли искусственного интеллекта в поиске и разработке лекарств. Редактор журнала Science and technology Эрик Смолли взял интервью у Джеффри Сколника, выдающегося ученого в области биологии вычислительных систем в Технологическом институте Джорджии, и Бенджамина П. Брауна, доцента фармакологии в Университете Вандербильта.
|
|
|
|
Сколник разработал подходы, основанные на искусственном интеллекте, для прогнозирования структуры и функций белков, которые могут помочь в разработке лекарств и поиске нестандартных применений существующих лекарств. Лаборатория Брауна работает над созданием новых компьютерных моделей, которые ускорят и повысят надежность разработки лекарств. Ниже приводится сокращенная и отредактированная версия интервью.
|
|
|
|
Давайте начнем с общей картины. Как искусственный интеллект меняет биомедицинские исследования и разработку лекарств и о каком потенциале мы говорим?
|
|
|
|
Скольник: Потенциал для этого очень велик. Одна из неприятных сторон изобретения лекарств заключается в том, что, несмотря на то, что люди, занимающиеся этим, необычайно умны и проделали исключительно хорошую работу, процент успеха очень низок. Примерно 1 из 5 лекарств будет иметь негативные последствия для здоровья, которые перевешивают их пользу. Из тех, что проходят, примерно половина не помогает.
|
|
|
|
|
|
|
При разработке лекарств возникает несколько ключевых вопросов: можете ли вы предсказать, какая цель вызывает конкретное заболевание? Как только эта цель определена, как вы можете гарантировать, что лекарство сработает и одновременно не убьет вас?
|
|
|
|
Это нерешенные проблемы в области разработки лекарств, в которых ИИ может сыграть важную, хотя и не гарантированную на 100% роль. В отличие от нас, ИИ может использовать практически все доступные знания. В хороший день он устанавливает прочные и достоверные связи, называемые "озарениями", а в плохой день он совершает то, что называется "галлюцинациями", и видит слабые и, вероятно, ложные вещи.
|
|
|
|
В конечном счете, многие болезни неизлечимы. Большинство заболеваний, таких как высокий уровень холестерина или аутоиммунные заболевания, сохраняются. Лечение рака может дать вам пять лет, а сейчас у вас четвертая стадия и все стандартные лекарства уже закончились. Искусственный интеллект может сыграть определенную роль в предложении альтернатив там, где их нет.
|
|
|
|
Давайте дадим несколько основных определений. Когда мы используем слово "лекарство", мы имеем в виду широкий спектр методов лечения. Можете ли вы объяснить ассортимент — у нас есть низкомолекулярные препараты, биологические препараты, генная терапия, клеточная терапия?
|
|
|
|
Браун: В нашем организме есть довольно крупные молекулы, называемые белками. Они подобны механизмам, которые выполняют определенные функции и взаимодействуют друг с другом. Часто, когда мы пытаемся лечить болезни, мы пытаемся изменить функции определенных белков. Многие лекарства, такие как аспирин и тайленол, представляют собой небольшие молекулы, которые могут встраиваться в белок и изменять его функцию. По сути, лекарствам не обязательно просто взаимодействовать с белками, но это основной способ, которым работает наш текущий ассортимент лекарств.
|
|
|
|
Существуют также белки, которые действуют подобно лекарствам, например антитела. Когда вы получаете вакцину против вируса, ваш организм, по сути, получает инструкции о том, как вырабатывать антитела. Эти антитела будут нацелены на определенную часть вируса. Ваш организм создает эти большие молекулы, намного больше, чем аспирин, которые по-другому взаимодействуют с чужеродными белками. Генная терапия - это еще один важный шаг вперед.
|
|
|
|
Таким образом, эти модальности — молекула, белок, антитело или ген — представляют собой очень разные типы молекул. У них разные масштабы и правила, поэтому подход к их проектированию и обнаружению сильно различается.
|
|
|
|
Не могли бы вы вкратце объяснить, что такое искусственные нейронные сети и что означает "глубокое" в глубоком обучении?
|
|
|
|
Сколник: Технология AlphaFold, разработанная DeepMind, позволила понять, как работают нейронные сети. Они создали сеть с большим количеством входных данных, которые являются стимулами, и выходных данных с разным весом, аналогично тому, как на самом деле работает ваш мозг. Эти простые соединения, или нейроны, обучаются с подкреплением.
|
|
|
|
Они также создали сложные нейронные сети, такие как transformers, которые выполняют специфические функции, как специализированный инструмент, способный к обучению, и добавили механизм под названием "внимание", который усиливает важные детали. Супернейронные сети с трансформаторами - это то, что мы называем глубоким обучением. Теперь они имеют буквально миллиарды, если не триллионы параметров.
|
|
|
|
По сути, эти машины могут изучать корреляции более высокого порядка между событиями, то есть закономерности условных взаимодействий, которые зависят от свойств множества объектов одновременно. В этих корреляциях более высокого порядка искусственный интеллект обладает потенциалом видеть ранее неизвестные данные, объем которых измеряется петабайтами (единица данных, эквивалентная половине содержимого всех академических исследовательских библиотек биологических данных США).
|
|
|
|
AlphaFold, который предсказывает трехмерные биологически активные формы белка, содержит миллионы последовательностей и пару сотен тысяч структур. Он может подсказать вам, основываясь на определенном шаблоне, какую маленькую молекулу следует сконструировать, чтобы она прилипла к белку и вызвала какой-либо структурный сдвиг.
|
|
|
|
Как эта технология используется в биомедицинских исследованиях для понимания молекулярной динамики или, по сути, биологических процессов, связанных со здоровьем и болезнями?
|
|
|
|
Браун: В 2013 году была присуждена Нобелевская премия за моделирование молекулярной динамики, вычислительные инструменты, которые помогают понять движение молекул в соответствии с законами физики. На основе этих идей построено огромное количество научных исследований.
|
|
|
|
Искусственный интеллект и глубокое обучение сейчас широко распространены, но стоит отметить, что в течение последних полутора десятилетий люди использовали гораздо более простые алгоритмы машинного обучения для разработки лекарств. Многие идеи, такие как [использование машинного обучения для виртуального скрининга], не новы и уже давно применяются на практике.
|
|
|
|
Благодаря технологиям AlphaFold, помогающим людям разрабатывать белки и предсказывать их структуру, мы изменили наше отношение ко многим из этих проблем. У нас есть новый набор подходов, на основе которых мы можем разрабатывать идеи и начинать думать о создании лекарств.
|
|
|
|
Что сделала современная технология искусственного интеллекта с точки зрения масштабов изменений в этом процессе за период с 20 лет до настоящего времени?
|
|
|
|
Сколник: Многие заболевания, такие как рак, вызываются набором неправильно функционирующих белков. Искусственный интеллект теперь позволяет нам начать концептуально размышлять о том, как эти заболевания организованы и связаны друг с другом.
|
|
|
|
Болезни, как правило, возникают одновременно. Например, если у вас гипертиреоз, у вас, скорее всего, разовьется болезнь Альцгеймера. Немного странно, не так ли? Мы можем рассматривать отдельные фрагменты, но ИИ может анализировать всю информацию, интегрировать коллективное поведение и затем выявлять общие факторы. Это позволяет вам выстраивать взаимосвязи между заболеваниями, которые открывают возможность применения методов лечения широкого спектра, которые могли бы лечить целые группы заболеваний, а не узкого спектра.
|
|
|
|
Кроме того, искусственный интеллект также может помочь нам понять траектории развития заболеваний. Болезни, которые, как правило, возникают одновременно, часто проявляются последовательно. У вас есть заболевание 1, оно приводит к заболеванию 2, затем к заболеванию 3. Это говорит о том, что если вы вернетесь к истокам заболевания 1, то, возможно, сможете предотвратить целую кучу проблем. Вы не можете проанализировать миллионы траекторий и миллионы данных без специального инструмента, поэтому вы не могли делать этого раньше.
|
|
|
|
Это многообещающее решение, но нужно быть осторожным и не переоценивать свои возможности. Оно поможет, ускорит процесс, но пока не заменит реальных экспериментов, реальной клинической проверки и испытаний.
|
|
|
|
Источник
|
