fbpx

Lek na raka w zasięgu ręki? AI opracowuje leki 1000 razy szybciej niż obecne metody

Naukowcy MIT stworzyli model sztucznej inteligencji, który wyszukuje potencjalne cząsteczki leków ponad 1000 razy szybciej niż najnowocześniejsze stosowane obecnie metody — zdaniem branżowych specjalistów daje to nadzieję na szybkie znalezienie leku na raka.

Jak twierdzi zespół badaczy Massachusetts Institute of Technology (MIT), nowo opracowany model sztucznej inteligencji o nazwie EquiBind ma szansę znacząco obniżyć koszty i ryzyko niepowodzenia podczas testów nowych leków. Warto zaznaczyć, że przeprowadzenie wszystkich niezbędnych prac badawczych to proces długotrwały, zajmujący najczęściej ponad 12 lat, a koszty wprowadzenia na rynek każdego kolejnego leku sięgają kilku miliardów złotych – co więcej, nawet 90% opracowywanych substancji z różnych powodów nie trafia na rynek, więc koszty ich produkcji nie mają szansy się zwrócić.

Sztuczna inteligencja znajdzie lek na raka?

Liczba potencjalnych cząsteczek o cechach lekopodobnych jest niewyobrażalnie duża i szacowana na ok. 10 do potęgi 60. Nie robi wrażenia? To dla porównania wystarczy wspomnieć, że liczba gwiazd w Drodze Mlecznej szacowana jest na 10 do potęgi 8. Algorytm EquiBind jest w stanie skutecznie wiązać je z białkiem ponad 1200 razy szybciej niż najszybsze dostępne obecnie modele dokowania molekularnego.

https://twitter.com/HannesStaerk/status/1546949568469733376?ref_src=twsrc%5Etfw%7Ctwcamp%5Etweetembed%7Ctwterm%5E1546949568469733376%7Ctwgr%5E%7Ctwcon%5Es1_&ref_url=https%3A%2F%2Fgeekweek.interia.pl%2Ftechnologia%2Fnews-to-ai-opracowuje-leki-1000-razy-szybciej-niz-obecne-metody-lnId6155963

O co tu konkretnie chodzi? Zanim lek wejdzie w fazę rozwoju, naukowcy zajmujący się tematem muszą znaleźć obiecujące cząsteczki lekopodobne, które są w stanie wiązać się albo inaczej dokować do konkretnych kieszeni na powierzchni białka – to proces odkrywania leku.

Po skutecznym związaniu z białkiem cząsteczka ma za zadanie zatrzymać jego funkcjonowanie – jeśli jej się uda, np. w przypadku białka bakterii, może ją zabić i tym samym udowodnić swoją skuteczność w ochronie organizmu. Tyle że jak wspomnieliśmy, liczba cząsteczek branych pod uwagę jest ogromna, więc przeanalizowanie ich znanych właściwości i znalezienie odpowiednich par jest niezwykle czasochłonne.

I tu EquiBind ma mieć przewagę, bo dokuje cząsteczki niejako w ciemno, opierając się na wbudowanym rozumowaniu geometrycznym, które pozwala mu przewidzieć, jakie białka będą pasować do cząsteczki bez jakiejkolwiek wcześniejszej wiedzy na temat kieszeni na jego powierzchni. Odkrycie jest na tyle znaczące, że już przyciągnęło uwagę ważnych graczy branży farmaceutycznej, którzy mają nadzieję opracować z jego pomocą leki do walki z nowotworami płuc, żołądka i jelit oraz białaczką.

Byliśmy zdumieni, że podczas gdy inne metody całkowicie się myliły, EquiBind był w stanie włożyć cząsteczkę do właściwej kieszeni i bardzo szczęśliwi, widząc wyniki w tym zakresie

komentuje Hannes Stärk z Wydziału Elektrotechniki i Informatyki MIT.

Dodaj komentarz