Искусственный интеллект будет создавать лекарства

Искусственный интеллект создал новое лекарство всего за 21 день

Искусственный интеллект преуспел уже во многих сферах нашей жизни. И в основном ИИ находит свое применение в области сложных вычислений, построении математических моделей и так далее. Однако и в медицинской сфере искусственный разум может быть не менее полезен (следите ли вы за успехами ИИ? Мы регулярно рассказываем о них в нашем Телеграм-канале). К примеру, недавно гонконгская компания Insilico Medicine опубликовала результаты исследования, показывающего, что ее система на основе ИИ и глубокого обучения может создавать новые лекарства против определенных патологий всего за 3 недели. А это в несколько десятков раз быстрее, чем традиционные методы.

Использования ИИ при разработке лекарств — крайне перспективная технология

Как искусственный интеллект создает лекарства

ИИ от фирмы Insilico Medicine носит название GENTRL. Причем что примечательно, у руля компании стоит наш соотечественник Алекс Жаворонков. Господин Жаворонков еще в середине 2000-х годов получил степень магистра в Университете Джона Хопкинса, а затем и докторскую степень в Московском Государственном Университете, где его исследования были сосредоточены на использовании машинного обучения для изучения физики молекулярных взаимодействий в биологических системах. В 2006 году он успел поработать на компанию ATI, пока та не была приобретена производителем чипов AMD. В 2014 году Алекс основал уже упомянутую Insilico Medicine, имея за плечами опыт работы в индустрии высоких технологий и заинтересовавшись вопросами фармации.

Если вернуться к ИИ, то сами разработчики называют основную технологию работы искусственного интеллекта «генеративным тензорным обучением». Она позволяет ИИ, если не вдаваться в подробности, более эффективно и быстро обучаться требуемым навыкам.

Мы подумали: можем ли мы заставить машины придумывать с нуля новые молекулы с определенными свойствами вместо того, чтобы заставлять их перебирать десятки доступных вариантов, — говорит Алекс Жаворонков.

Insilico использовали GENTRL для того, чтобы создать несколько (а если быть точным, то 6) вариантов лекарств для лечения мышечного фиброза. Созданные лекарственные средства ингибируют рецептор DDR1, который участвует в развитии болезни. Для этого ИИ потребовался 21 день, после чего ученые выбрали наиболее подходящие варианты препаратов и протестировали их на лабораторных животных. На это ушло еще 25 дней. Таким образом на выбор потенциального лекарства потребовалось всего 46 дней. Для сравнения, традиционный процесс разработки кандидатов на звание лекарства занимает около 8 лет и обходится компаниям в несколько миллионов долларов США. В то время как на создание ИИ ушло всего 150 тысяч долларов.

Слева — нормальная мышечная ткань. Справа — ткань с развитием фиброза

При этом Insilico подчеркивают, что они еще не доказали, что новый препарат эффективнее существующих лекарств. Однако время и затраты, которые ушли у ученых на создание потенциальных лекарств, куда меньше, чем у традиционных методов фармации. Их работа должна была продемонстрировать огромный потенциал систем на основе искусственного интеллекта в сфере разработки новых лекарственных средств. Сейчас же ученые нацелены на совершенствование технологии и, естественно, на проверку эффективности новых препаратов, разработанных ИИ.

Искусственный интеллект обучили создавать лекарства с нуля

Для того, чтобы разработать новое лекарство, фармацевтам нужно провести массу расчетов, чтобы создать химическую формулу действующего вещества и, по возможности, предвидеть то, как будущий препарат будет взаимодействовать с различными системами организма. Один только этот процесс занимает массу времени, не говоря уже о лабораторных и клинических испытаниях. Однако вскоре это может значительно упроститься, ведь был создан искусственный интеллект, который может создавать новые лекарства с нуля без вмешательства человека.

Как сообщает издание EurekAlert, новый искусственный интеллект состоит из двух взаимосвязанных нейросетей, условно названных «ученик» и «учитель». Дело в том, что на этапе разработки, когда лекарство лишь «придумывается», фармацевты выбирают определенную молекулу с определенными свойствами, после чего «настраивают» ее для получения требуемого эффекта, чтобы в идеале добиться 100% потенциала воздействия при минимуме побочных эффектов. В процессе получения необходимых эффектов в ходе различных химических реакций ученые «добавляют и убавляют» некоторые атомы в молекулу. Именно этими знаниями и владеет ИИ-учитель. В эту нейросеть загружены данные о более, чем 1,7 миллионе биологически активных молекул, их свойствах и принципе взаимодействия друг с другом. Ученик же обучается у учителя навыкам создания лекарств и затем предлагает наиболее удачные варианты веществ, которые могут стать основой для новых препаратов.

В основе обоих нейросетей лежит система ReLeaSE. Это достаточно известный метод разработки лекарств в фармацевтической промышленности. Он направлен на выявление лучших видов действующих веществ для производства лекарств. ReLeaSE использует такие показатели, как температура плавления, воздействие ферментов и растворимость в воде. По словам создателей ИИ-фармацевта,

«Если мы сравним процесс обучения ИИ с изучением языка, то после того, как ученик узнает «алфавит» и основные правила, он может создавать новые «слова», то есть молекулы. Если новая молекула стабильна и имеет желаемый эффект — учитель утверждает ее, а если нет — забракует разработку, заставляя ученика в будущем избегать «плохих» молекул и создавать «хорошие».

Искусственный интеллект научился создавать лекарства «с нуля»

Инженеры из Школы фармацевтики при Университете Каролины создали искусственный интеллект, который способен создавать новые лекарства с нуля без помощи человека. Разработка описана в журнале «EurekAlert!».

Разработка новых фармацевтических препаратов происходит благодаря изменению молекул. Химики выбирают целевую молекулу с известным потенциалом, а затем вручную «настраивают» ее для борьбы с конкретным заболеванием — повышают потенцию и избавляют от свойств, которые могут нанести вред организму.

Во время этого процесса ученые добавляют и исключают атомы и связи, отвечающие за определенные химические реакции. Каждая такая операция занимает несколько часов — в результате разработка лекарств отнимает много времени и сил.

Искусственный интеллект, созданный учеными Александром Тропшей, Александром Исаевым и Марией Поповой, состоит из двух связанных между собой нейросетей, которые выполняют роли «учителя» и «ученика». «Учитель» владеет «языком» создания лекарств — нейросеть является своего рода словарем, в которую загружены данные о 1,7 млн известных биологически активных молекулах, их свойства и правила взаимодействия друг с другом.

«Ученик» обучается навыкам создания лекарств и со временем предлагает более удачные молекулы, которые могут стать основой для новых препаратов.

Александр Тропша Университет Каролины:

«Если мы сравним этот процесс с изучением языка, то после того, как ученик узнает молекулярный алфавит и правила языка, он может создавать новые „слова“ или молекулы. Если новая молекула реалистична и имеет желаемый эффект, учитель утверждает ее, а если нет, учитель не одобряет, заставляя ученика избегать плохих молекул и создавать хорошие».

В основе нейросетей лежит система ReLeaSE — вычислительный метод, широко используемый фармацевтической промышленностью для выявления жизнеспособных кандидатов на лекарства. Ученые использовали ReLeaSE для разработки молекул с индивидуальными физическими свойствами, такими как температура плавления и растворимость в воде, и для разработки новых соединений с ингибирующей активностью против фермента, связанного с лейкемией.

Ранее исследователи из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института (MIT) создали компьютерную модель, способную автоматизировать процесс производства молекул для новых лекарств. Система сокращает время на модификацию молекул для противодействия конкретным возбудителям заболевания — сейчас это самая трудозатратная часть процесса.

Искусственный интеллект будет создавать лекарства

Компания Insilico Medicine, мировой лидер в области применения искусственного интеллекта (ИИ) для поиска лекарств, с помощью своей новой системы ИИ разработала шесть новых ингибиторов DDR1. В работе приняли участие ученые из разных стран, в том числе нобелевский лауреат Майкл Левитт, профессор из Стэнфордского университета. Статья с подробным описанием разработки была опубликована сегодня в журнале Nature Biotechnology.

Традиционно разработка лекарств начинается с тестирования тысяч маленьких молекул, среди которых лишь несколько подойдут для создания лекарственных средств и будут затем испробованы в клинических испытаниях на людях. Перебор огромного количества молекул требует большого ресурса времени, которым не обладают многие пациенты: чаще всего случается так, что разработка одного препарата занимает годы, а то и десятилетия. Поэтому любое сокращение времени исследований приносит существенную экономическую выгоду и шанс на выживание для больших пластов населения.

Поэтому компания Insilico Medicine в 2016-м году разработала новый подход к работе с проблемами биологического и генетического типа, использовав в качестве инструмента не привычные для обывателя микроскопы и пробирки, а компьютерные технологии, в частности – искусственный интеллект. В текущем проекте специалисты создали систему ИИ под названием «Генеративное Тензорное Обучение» (GENTRL). Это ИИ полностью смогло разработать 6 ингибиторов DDR1, которые могут существенно повлиять на развитие фиброза и других заболеваний. На создание ингибиторов ИИ потребовался 21 день, при этом 4 ингибитора показали активность в биохимических анализах и 2 показали эффективность в клеточных анализах. Один из наиболее перспективных ингибиторов был протестирован и продемонстрировал благоприятную фармакокинетику у мышей.

Текущая работа была основана на более ранних трудах 1990-х годов, когда специалисты изучали возможности генеративных нейронных сетей. Теперь же успех этого ИИ, как полагают специалисты, окажет преобразующее влияние на фармацевтическую промышленность, которое сможет, в том числе, снизить цены на лекарства. Однако перед этим исследователям предстоит получить еще несколько положительных результатов своего эксперимента.

Стартап, который использовал ИИ, чтобы разработать лекарство за 21 день

И снова здравствуйте. В преддверии запуска курса «Нейронные сети на Python», хотим поделиться с вами переводом интересной статьи о вкладе ИИ в развитие медицины.

Компания Insilico Medicine из Гонконга опубликовала исследование, показывающее, что их система глубокого обучения умеет определять потенциальные методы лечения фиброза. Эта система, названная генеративной тензорной системой обучения с подкреплением или кратко GENTRL, смогла обнаружить шесть перспективных методов лечения всего за 21 день. Один из этих методов показал многообещающие результаты в экспериментах над подопытными мышами. Исследование было опубликовано в журнале Nature Biotechnology, а исходный код модели был доступен на Github.

«Мы располагаем стратегическим мышлением Искусственного Интеллекта в сочетании с его воображением», говорит Генеральный Директор Insilico Александр Жаворонков, который сравнивает работу GENTRL с системой машинного обучения AlphaGo, разработанной Deepmind Google, чтобы бросить вызов игрокам чемпионата игры по го.

Жаворонков основал компанию в 2014 году. Изначальное образование он получил в области информатики и провел несколько лет, работая в ATI, пока в 2006 году компанию не купила AMD. В этот момент он решил сменить род деятельности и заняться биотехнологическими исследованиями, заинтересовавшись областью замедления процесса старения. Он получил степень магистра в Университете Джонса Хопкинса, а затем степень кандидата наук в Московском Государственном Университете, где сосредоточился на исследованиях по использованию машинного обучения для изучения физики молекулярных взаимодействий в биологических системах. Он работал в нескольких компаниях, но затем вернулся в Балтимор, чтобы основать Insilico.

Изначальная философия компании заключалась в использовании глубокого обучения для того, чтобы научить нейронные сети обходить большие библиотеки молекул и находить цели для воздействия медицинскими препаратами. Однако вскоре после основания компании Жаворонков увлекся работой Яна Гудфеллоу в области машинного обучения и решил сменить курс.

«Можем ли мы заставить машину создавать новые молекулы с новыми свойствами, вместо того чтобы просто проверять гигантские библиотеки поставщиков?» — таким вопросом он задавался. Традиционно открытия новых лекарственных препаратов происходят посредством молекулярного скрининга, однако вопрос заключался в том, можно ли оптимизировать и ускорить этот процесс с помощью машинного обучения.

Первое исследование на основе этой идеи, опубликованное компанией в 2016 году, помогло привлечь инвестиции для проведения разработок на стыке областей биотехнологии и искусственного интеллекта. Согласно Pitchbook, Жаворонков привлек еще 24,3 млн долларов инвестиций от таких спонсоров как A-Level Capital и Juvenescence при общей оценке в 56 млн долларов. У него также есть несколько партнеров в сфере биотехнологий, в том числе A2A Pharmaceuticals и TARA Biosystems.

Это исследование о вызове, который сама себе бросила компания и ее коллеги из мира химии. Они просили Insilico использовать свою систему для разработки потенциальных лекарственных препаратов, которые могут препятствовать активности дискоидина доменного рецептора 1 (DDR1). DDR1 является ферментом, участвующим в фиброзе, и, пускай еще не ясно регулирует ли он эти процессы, ингибирование его активности рассматривается в качестве возможной терапии. Эта задача легла в основе недавно опубликованных исследований, проведенных группой специалистов Genentech, которым потребовалось около 8 лет для определения перспективных ингибиторов киназы DDR1.


Общий вид процесса исследований Insilico

Insilico использовала GENTRL для разработки новых потенциальных лекарственных препаратов, которые в последствии были синтезированы, а один из них даже успешно протестирован на мышах. Проектирование системы искусственного интеллекта заняло около 21 дня, а общее количество времени на разработку, синтез и валидацию заняло около 46 дней. Хотя ни один из препаратов, разработанных GENTRL, не оказался более эффективным, чем ингибиторы, открытые традиционным методом исследования, традиционный метод занял более 8 лет времени и миллионы долларов в сравнении с несколькими неделями и приблизительной стоимостью в 150 000 долларов.

«Их молекулы удивительны, они намного лучше результатов работы нашего искусственного интеллекта», — говорит Жаворонков. «Но опять же, тут играют роль годы работы против людей, которые не так хорошо разбираются в химии, но уже делают такие вещи.»

Конечно, на фоне всей разработки лекарственных средств – это лишь первый шаг. Хотя он и является важной вехой для демонстрации потенциала ИИ в выявлении потенциальных лекарственных препаратов, потребуются годя клинических испытаний и миллионы долларов на исследования, прежде чем любое потенциальное лекарство будет одобрено в качестве средства лечения конкретного заболевания.

Жаворонков также говорит, что впереди у Insilico еще много работы. Для него это исследование считается важным прорывом, поскольку оно показывает перспективы использования ИИ в создании лекарственных препаратов.

«Я считаю, что это исследование уменьшит скептический настрой в глобальной фармацевтике», — говорит он.

Искусственный интеллект будет создавать лекарства

Здоровый образ жизни – портал о здоровье и правильном развитии
Разделы
Искусственный интеллект будет создавать лекарстваМедицина

Компания Insilico Medicine, которая является мировым лидером в области применения искусственного интеллекта (ИИ) для поиска лекарств, разработала при помощи системы ИИ шесть новых ингибиторов DDR1. В работе приняли участие ученые из разных стран, в том числе нобелевский лауреат Майкл Левитт, профессор из Стэнфордского университета.

Традиционно разработка лекарств начинается с тестирования тысяч маленьких молекул, среди которых лишь несколько подойдут для создания лекарственных средств и будут затем испробованы в клинических испытаниях на людях. Перебор огромного количества молекул требует большого ресурса времени, которым не обладают многие пациенты: чаще всего случается так, что разработка одного препарата занимает годы, а то и десятилетия. Поэтому любое сокращение времени исследований приносит существенную экономическую выгоду и шанс на выживание для больших пластов населения.

Поэтому компания Insilico Medicine в 2016-м году разработала новый подход к работе с проблемами биологического и генетического типа, использовав в качестве инструмента не привычные для обывателя микроскопы и пробирки, а компьютерные технологии, в частности – искусственный интеллект. В текущем проекте специалисты создали систему ИИ под названием «Генеративное Тензорное Обучение» (GENTRL). Это ИИ полностью смогло разработать 6 ингибиторов DDR1, которые могут существенно повлиять на развитие фиброза и других заболеваний. На создание ингибиторов ИИ потребовался 21 день, при этом 4 ингибитора показали активность в биохимических анализах и 2 показали эффективность в клеточных анализах. Один из наиболее перспективных ингибиторов был протестирован и продемонстрировал благоприятную фармакокинетику у мышей.

Текущая работа была основана на более ранних трудах 1990-х годов, когда специалисты изучали возможности генеративных нейронных сетей. Теперь же успех этого ИИ, как полагают специалисты, окажет преобразующее влияние на фармацевтическую промышленность, которое сможет, в том числе, снизить цены на лекарства. Однако перед этим исследователям предстоит получить еще несколько положительных результатов своего эксперимента.

Ранее ученые заявили, что нанотехнологии помогут в лечении рака. Борьба с раком сейчас ведется сразу по нескольким фронтам. Одним из перспективных направлений является генная терапия, которая направлена на снижение генетических причин развития заболеваний. Идея состоит в том, чтобы ввести в кровоток препарат на основе нуклеиновой кислоты (обычно небольшую интерферирующую РНК (миРНК), который свяжется с конкретным геном, вызывающим проблемы, и дезактивирует его. Тем не менее, наночастицы миРНК очень хрупки и должны быть хорошо защищены изнутри, иначе они просто не успеют достигнуть своей цели.

В настоящее время наночастицы имеют ширину около 100 нанометров, или одну тысячную толщины бумаги. Это достаточно маленький размер для того, чтобы частицы могли проникнуть в печень через стенку кровеносного сосуда. Однако некоторые онкологические новообразования куда более труднодоступны. Например, опухоль поджелудочной железы окружена фиброзными тканями, а опухоль мозга плотно связана с сосудистыми клетками. В обоих случаях наночастицы должны быть значительно меньше 100 нанометров, чтобы проникнуть в опухоль.

Искусственный интеллект научился создавать лекарства «с нуля»

Инженеры из Школы фармацевтики при Университете Каролины создали искусственный интеллект, который способен создавать новые лекарства с нуля без помощи человека. Разработка описана в журнале «EurekAlert!».

Разработка новых фармацевтических препаратов происходит благодаря изменению молекул. Химики выбирают целевую молекулу с известным потенциалом, а затем вручную «настраивают» ее для борьбы с конкретным заболеванием — повышают потенцию и избавляют от свойств, которые могут нанести вред организму.

Во время этого процесса ученые добавляют и исключают атомы и связи, отвечающие за определенные химические реакции. Каждая такая операция занимает несколько часов — в результате разработка лекарств отнимает много времени и сил.

Искусственный интеллект, созданный учеными Александром Тропшей, Александром Исаевым и Марией Поповой, состоит из двух связанных между собой нейросетей, которые выполняют роли «учителя» и «ученика». «Учитель» владеет «языком» создания лекарств — нейросеть является своего рода словарем, в которую загружены данные о 1,7 млн известных биологически активных молекулах, их свойства и правила взаимодействия друг с другом.

«Ученик» обучается навыкам создания лекарств и со временем предлагает более удачные молекулы, которые могут стать основой для новых препаратов.

Александр Тропша Университет Каролины:

«Если мы сравним этот процесс с изучением языка, то после того, как ученик узнает молекулярный алфавит и правила языка, он может создавать новые „слова“ или молекулы. Если новая молекула реалистична и имеет желаемый эффект, учитель утверждает ее, а если нет, учитель не одобряет, заставляя ученика избегать плохих молекул и создавать хорошие».

В основе нейросетей лежит система ReLeaSE — вычислительный метод, широко используемый фармацевтической промышленностью для выявления жизнеспособных кандидатов на лекарства. Ученые использовали ReLeaSE для разработки молекул с индивидуальными физическими свойствами, такими как температура плавления и растворимость в воде, и для разработки новых соединений с ингибирующей активностью против фермента, связанного с лейкемией.

Ранее исследователи из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института (MIT) создали компьютерную модель, способную автоматизировать процесс производства молекул для новых лекарств. Система сокращает время на модификацию молекул для противодействия конкретным возбудителям заболевания — сейчас это самая трудозатратная часть процесса.

Источники:
http://hi-news.ru/technology/iskusstvennyj-intellekt-obuchili-sozdavat-lekarstva-s-nulya.html
http://chemrar.ru/iskusstvennyj-intellekt-nauchilsya-sozdavat-lekarstva-s-nulya/
http://www.krasotaimedicina.ru/news/innovation/2019-09-02-novel-molecules-designed-by-artificial-intelligence-in-21-days-are-validated-in-mice.html
http://habr.com/post/474772/
http://www.healthforma.ru/medicina/1918-iskusstvennyjj-intellekt-budet-sozdavat-lekarstva.html
http://chemrar.ru/iskusstvennyj-intellekt-nauchilsya-sozdavat-lekarstva-s-nulya/
http://my-happybaby.ru/vred-mobilnyh-telefonov-i-ih-vliyanie-na-detej-znaj-pravdu

Ссылка на основную публикацию