ИИ в биотехнологиях: прорыв в создании лекарств и лечении редких заболеваний

Современные биотехнологии обладают мощнейшими инструментами для редактирования генов и разработки новых лекарственных препаратов. Тем не менее, тысячи редких заболеваний остаются без эффективного лечения. Ключевым фактором, сдерживающим прогресс, долгое время была нехватка высококвалифицированных специалистов. Сегодня искусственный интеллект становится катализатором, который позволяет ученым браться за задачи, ранее считавшиеся непосильными для индустрии.

Фармацевтический суперинтеллект для прорывных решений

Президент компании Insilico Medicine, Алекс Алипер, на Web Summit Qatar поделился амбициозной целью — разработать «фармацевтический суперинтеллект». Недавно Insilico запустила «MMAI Gym», платформу, предназначенную для обучения универсальных больших языковых моделей, таких как ChatGPT и Gemini, до уровня специализированных систем.

Цель этого проекта — создать мультимодальную, многозадачную модель, которая, по словам Алипера, сможет одновременно решать множество задач по поиску и разработке лекарств с беспрецедентной точностью. Это позволит значительно повысить производительность фармацевтической промышленности и эффективно бороться с дефицитом квалифицированных кадров, ускоряя поиск лекарств от тысяч неизлечимых болезней и редких расстройств.

Автоматизация и эффективность в создании препаратов

Платформа Insilico анализирует огромные объемы биологических, химических и клинических данных, чтобы генерировать гипотезы о целевых белках и молекулах-кандидатах. Автоматизируя этапы, которые ранее требовали усилий легионов химиков и биологов, Insilico способна:

• Быстро просеивать огромные пространства возможных химических соединений.
• Выбирать наиболее перспективных терапевтических кандидатов.
• Перепрофилировать уже существующие препараты для новых заболеваний.

Всё это достигается при значительном сокращении затрат и времени. Например, компания недавно использовала свои ИИ-модели для поиска существующих препаратов, которые можно было бы применить для лечения БАС — редкого неврологического расстройства.

Генная инженерия нового поколения с ИИ

Проблемы с нехваткой специалистов не ограничиваются только открытием новых лекарств. Даже когда ИИ находит перспективные цели или терапии, многие заболевания требуют вмешательства на более фундаментальном биологическом уровне. Здесь на помощь приходит «вторая волна» редактирования генов CRISPR, в которой процессы перемещаются от ex vivo (редактирование клеток вне организма) к in vivo (внутри организма).

Компания GenEditBio ставит своей целью сделать генную инженерию простой инъекцией, направленной непосредственно в пораженные ткани. Соучредитель и генеральный директор GenEditBio, Тянь Чжу, отмечает: “Мы разработали запатентованный ePDV — транспортное средство для доставки белка на основе вирусных частиц. Мы учимся у природы и используем методы машинного обучения с ИИ для изучения природных ресурсов и определения того, какие виды вирусов имеют сходство с определенными типами тканей”.

NanoGalaxy: прецизионная доставка генов с помощью ИИ

«Природные ресурсы», о которых говорит Чжу, — это обширная библиотека GenEditBio, состоящая из тысяч уникальных, невирусных, нелипидных полимерных наночастиц. По сути, это транспортные средства, разработанные для безопасной доставки инструментов генной инженерии в конкретные клетки.

Платформа NanoGalaxy использует ИИ для анализа данных и выявления корреляций между химическими структурами и специфическими тканевыми мишенями (например, глаза, печень или нервная система). Затем ИИ прогнозирует, какие изменения в химии носителя помогут ему доставить полезную нагрузку без иммунного ответа. GenEditBio тестирует свои ePDV in vivo в лабораториях, и результаты возвращаются в ИИ для уточнения его предсказательной точности перед следующим этапом.

Эффективная тканеспецифичная доставка является необходимым условием для генной инженерии in vivo. Такой подход значительно снижает себестоимость и стандартизирует процесс, который исторически было трудно масштабировать. Это делает лечение более доступным для пациентов по всему миру. Недавно компания получила одобрение FDA на начало испытаний CRISPR-терапии для лечения дистрофии роговицы.

Решение проблемы данных для масштабирования ИИ в биотехе

Как и во многих ИИ-системах, прогресс в биотехнологиях упирается в проблему данных. Моделирование тонкостей человеческой биологии требует гораздо большего объема высококачественных данных, чем доступно исследователям в настоящее время.

«Нам по-прежнему необходимо получать больше эталонных данных от пациентов, — говорит Алипер. — Массив данных сильно смещен в сторону западного мира, где он генерируется. Я считаю, что нам нужно приложить больше усилий на местах, чтобы иметь более сбалансированный набор исходных, или эталонных, данных, чтобы наши модели также были более способными работать с ними». Лаборатории Insilico автоматизированы и генерируют многослойные биологические данные из образцов заболеваний в масштабе, без участия человека, которые затем подаются в их платформу, управляемую ИИ.

Чжу утверждает, что данные, необходимые ИИ, уже существуют в человеческом теле, сформированные тысячелетиями эволюции. Лишь небольшая часть ДНК непосредственно «кодирует» белки, в то время как остальная часть действует скорее как инструкция по поведению генов. Эту информацию исторически было трудно интерпретировать для людей, но она становится всё более доступной для ИИ-моделей, включая недавние разработки, такие как AlphaGenome от Google DeepMind.

GenEditBio применяет аналогичный подход в лаборатории, тестируя тысячи наночастиц-носителей параллельно, а не по одной. Полученные наборы данных, которые Чжу называет «золотом для систем ИИ», используются для обучения моделей и расширения сотрудничества с внешними партнерами.

По словам Алипера, одним из следующих крупных направлений станет создание цифровых двойников людей для проведения виртуальных клинических испытаний — процесс, который он называет «еще только зарождающимся».

«Мы находимся на плато около 50 лекарств, одобренных FDA ежегодно, и нам необходим рост, — подчёркивает Алипер. — Наблюдается рост хронических заболеваний, поскольку мы стареем как глобальное население… Я надеюсь, что через 10-20 лет у нас будет больше терапевтических вариантов для персонализированного лечения пациентов». Искусственный интеллект является ключом к достижению этой цели, ускоряя инновации и делая передовые методы лечения доступными.

🚀 Получите бесплатный аудит от ИИ прямо сейчас в нашем Telegram-боте: @futurebotsru_bot