Insilico Medicine از هوش مصنوعی مولد برای تسریع در کشف دارو استفاده می کند

اشتراک در اخبار مراقبت های بهداشتی NVIDIA و اخبار مولد هوش مصنوعی.

منبع: https://blogs.nvidia.com/blog/2023/06/27/insilico-medicine-uses-generative-ai-to-accelerate-drug-discovery/

Insilico یکی از اعضای برتر است NVIDIA Inception، یک برنامه رایگان است که به استارت آپ های پیشرفته آموزش فنی، پشتیبانی از بازار و راهنمایی پلت فرم هوش مصنوعی ارائه می دهد. این شرکت استفاده می کند پردازنده‌های گرافیکی NVIDIA Tensor Core در موتور طراحی دارویی مولد هوش مصنوعی خود، Chemistry42، برای تولید ساختارهای مولکولی جدید – و یکی از اولین پذیرندگان یک پیش ساز اولیه برای سیستم های NVIDIA DGX در سال 2015

هوش مصنوعی کشف داروی پیش بالینی سرتاسری را فعال می کند

Alex Zhavoronkov، مدیر عامل Insilico Medicine، گفت: «این اولین داروی کاندید که به فاز 2 می‌رود، برجسته‌ای واقعی از رویکرد پایان به انتها ما برای ایجاد پل زیست‌شناسی و شیمی با یادگیری عمیق است. این یک نقطه عطف مهم نه تنها برای ما، بلکه برای همه کسانی است که در زمینه کشف مواد مخدر با هوش مصنوعی هستند.

در طول آزمایشات بالینی فاز 2، داروی فیبروز ریوی Insilico بر روی چند صد نفر مبتلا به این بیماری در ایالات متحده و چین آزمایش خواهد شد. این فرآیند چندین ماه طول خواهد کشید – اما به موازات آن، شرکت این کار را انجام داده است بیش از 30 برنامه در خط لوله برای هدف قرار دادن سایر بیماری ها، از جمله تعدادی از داروهای سرطان.

در حالی که هوش مصنوعی مولد یک اصطلاح خانگی نسبتاً جدید است، شرکت کشف دارو Insilico Medicine سال‌ها از آن برای توسعه درمان‌های جدید برای بیماری‌های ناتوان‌کننده استفاده می‌کند.

بخوانید:   بازی TouchArcade هفته: 'Peglin' ​​– TouchArcade

Insilico برای توسعه داروی فیبروز ریوی خود، از Pharma.AI برای طراحی و سنتز حدود 80 مولکول استفاده کرد و به میزان موفقیت بی سابقه ای برای کاندیدهای دارویی پیش بالینی دست یافت. این فرآیند – از شناسایی هدف تا معرفی یک کاندیدای امیدوارکننده دارو برای آزمایشات – کمتر از 18 ماه طول کشید.

Insilico از هوش مصنوعی مولد برای هر مرحله از فرآیند کشف داروی پیش بالینی استفاده کرد: برای شناسایی مولکولی که ترکیب دارویی می‌تواند آن را هدف قرار دهد، نامزدهای دارویی جدید تولید کند، اندازه‌گیری کند که این کاندیدها چقدر به هدف متصل می‌شوند، و حتی پیش‌بینی نتیجه آزمایش‌های بالینی.

در مورد پلتفرم Chemistry42 Insilico Medicine برای غربالگری کاندیدهای دارویی با شتاب هوش مصنوعی در این مطلب بیشتر بدانید صحبت از NVIDIA GTC.

پترینا کامیا، رئیس پلتفرم‌های هوش مصنوعی در Insilico می‌گوید: «به طور معمول، شرکت‌های هوش مصنوعی در کشف دارو یا بر روی زیست‌شناسی یا شیمی تمرکز می‌کنند. از ابتدا، Insilico رویکرد یادگیری عمیق یکسانی را در هر دو زمینه به کار می‌برد و از هوش مصنوعی هم برای کشف اهداف دارویی و هم برای تولید ساختارهای شیمیایی مولکول‌های کوچک استفاده می‌کرد.

انجام این کار با استفاده از روش های سنتی هزینه دارد بیش از 400 میلیون دلار و گرفته شده است تا شش سال. اما با هوش مصنوعی مولد، Insilico آنها را با یک دهم هزینه و یک سوم زمان انجام داد – تنها دو سال و نیم پس از شروع پروژه به مرحله اول آزمایشات بالینی رسید.

در طول سال‌ها، تیم Insilico انواع مختلفی از شبکه‌های عصبی عمیق را برای کشف دارو به کار گرفته است، از جمله شبکه‌های متخاصم مولد و مدل‌های ترانسفورماتور. الان دارن استفاده میکنن NVIDIA BioNeMo برای تسریع فرآیند کشف اولیه دارو با هوش مصنوعی مولد.

بخوانید:   Diablo 4 - بهترین راهنمای ساخت سرکش

پیدا کردن سوزن در پشته هوش مصنوعی

موتور Chemistry42 می تواند ظرف چند روز ترکیبات دارویی بالقوه جدیدی را طراحی کند که پروتئین شناسایی شده با استفاده از PandaOmics را هدف قرار دهد. ابزار شیمی مولد از یادگیری عمیق برای رسیدن به ساختارهای مولکولی شبیه دارو از ابتدا استفاده می کند.

شرط بندی اولیه این شرکت برای یادگیری عمیق در حال ثمربخشی است – یک نامزد دارویی که با استفاده از پلتفرم هوش مصنوعی آن کشف شد اکنون ورود به فاز 2 آزمایشات بالینی برای درمان فیبروز ریوی ایدیوپاتیک، یک بیماری تنفسی نسبتا نادر که باعث کاهش تدریجی عملکرد ریه می شود.

اینسیلیکو Pharma.AI پلتفرم شامل چندین مدل هوش مصنوعی است که بر روی میلیون ها نمونه داده برای طیف وسیعی از وظایف آموزش دیده اند. یکی از ابزارهای هوش مصنوعی، PandaOmics، به سرعت اهدافی را که نقش مهمی در اثربخشی بیماری ایفا می‌کنند، شناسایی و اولویت‌بندی می‌کند – مانند پروتئین بدنام اسپایک روی ویروس که باعث COVID-19 می‌شود.

ژاورونکوف گفت: زمانی که ما برای اولین بار نتایج خود را ارائه کردیم، مردم باور نداشتند که سیستم‌های هوش مصنوعی مولد می‌توانند به این سطح از تنوع، تازگی و دقت دست یابند. اکنون که ما یک خط لوله کامل از کاندیداهای امیدوار کننده مواد مخدر داریم، مردم متوجه می شوند که این واقعاً کار می کند.