Искусственный интеллект, который может снизить стоимость и ускорить открытие новых лекарств, был разработан в рамках сотрудничества между исследователями из Университета Шеффилда и AstraZeneca.
Новая технология, разработанная профессором Хайпином Лу и его доктором философии. студент Пейжен Бай с факультета компьютерных наук Шеффилда вместе с доктором Филипом Мильковичем и доктором Бино Джоном из AstraZeneca описан в новом исследовании, опубликованном в журнале Nature Machine Intelligence .
Исследование демонстрирует, что ИИ, названный DrugBAN, может предсказать, будет ли лекарство -кандидат взаимодействовать с предполагаемыми целевыми белковыми молекулами внутри человеческого тела.
ИИ, который может предсказать, достигнут ли лекарства намеченных целей, уже существует, но технология, разработанная исследователями из Шеффилда и AstraZeneca, может делать это с большей точностью, а также давать полезную информацию, помогающую ученым понять, как лекарства взаимодействуют со своими белковыми партнерами на молекулярном уровне. уровень, согласно статье, опубликованной 2 февраля 2023 года.
ИИ может сообщить, будет ли лекарство успешно воздействовать на предполагаемый белок , связанный с раком, или будет ли лекарство-кандидат связываться с непреднамеренными мишенями в организме и приводить к нежелательным побочным эффектам для пациентов.
ИИ обучен изучать субструктуры белков в организме человека, а также субструктуры лекарственных соединений. Затем технология изучает, как эти подструктуры могут взаимодействовать друг с другом, и использует эти данные для прогнозирования поведения новых лекарств.
Хайпин Лу, профессор машинного обучения в Университете Шеффилда, сказал: «Мы разработали ИИ с двумя основными целями. Во-первых, мы хотим, чтобы ИИ фиксировал, как лекарства взаимодействуют с их мишенями в более мелком масштабе, поскольку это могло бы обеспечить полезную биологическую чтобы помочь исследователям понять эти взаимодействия на молекулярном уровне. Во-вторых, мы хотим, чтобы инструмент мог предсказывать, какими будут эти взаимодействия с новыми лекарствами или мишенями, чтобы помочь ускорить общий процесс прогнозирования. Исследование, которое мы опубликовали сегодня, показывает нашу Модель ИИ делает и то, и другое».
Ключом к дизайну ИИ является то, как модель изучает парные взаимодействия субструктур — множественные взаимодействия, которые могут иметь место между субструктурами лекарственных соединений и белков в организме. В то время как большинство существующих на рынке ИИ для прогнозирования лекарств учится на полных представлениях лекарств и белков, которые не фиксируют их подструктуры и поэтому дают менее полезную информацию.
На следующем этапе разработки ИИ команда планирует использовать более подробные данные о структуре соединений и белков, чтобы сделать ИИ еще более точным.
Доктор Бино Джон, директор по науке о данных, клинической фармакологии и наукам о безопасности (CPSS) в AstraZeneca, сказал: «Ключевым новшеством DrugBAN является его зависимость от билинейной сети внимания, которая позволяет ему изучать взаимодействия из подструктур как лекарств, так и их цели одновременно. Мы также сделали исходный код общедоступным, что, мы надеемся, будет поддерживать больше подходов ИИ, которые будут продолжать ускорять открытие лекарств ».
Открытие и разработка лекарств с использованием традиционных методов может быть невероятно сложной задачей, требующей длительного времени разработки и огромных денежных затрат. Однако процессы открытия лекарств могут быть значительно ускорены; Благодаря достижениям в области искусственного интеллекта и цифровых технологий исследователи находят новые способы точно определить, с какими белками лекарство может взаимодействовать в нашем организме.
Ник Браун, руководитель отдела визуализации и анализа данных , CPSS, AstraZeneca, сказал: «Я очень рад видеть эту статью, особенно потому, что, в отличие от других подходов, DrugBAN одновременно учится на препаратах-кандидатах и их мишенях, используя билинейную сеть внимания, и явно разработан обобщить проблему».
Профессор Гай Браун, заведующий кафедрой компьютерных наук Университета Шеффилда, добавил: «Наши исследования в Шеффилде сильно мотивированы желанием изменить жизнь людей к лучшему, и мы считаем, что взаимодействие с лидерами отрасли, такими как AstraZeneca, имеет решающее значение для эта миссия.
«Это захватывающее исследование, которое, как мы надеемся, позволит добиться значительных успехов в разработке терапевтических средств. Этот подход также отличается своей ориентацией на интерпретируемость, что позволяет экспертам-людям извлекать выгоду из идей, генерируемых системой ИИ».
