Сталкиваемся ли мы с новой тенденцией в области искусственного интеллекта? Давайте узнаем в течение 7 минут после прочтения!
Вступление
Как вы думаете, сколько времени нужно, чтобы новый препарат получил одобрение в США? Примерно 12–15 лет, это примерно 1/3 продолжительности всей профессиональной карьеры для любого из нас. Далее, сколько инвестиций, по вашему мнению, требуется, чтобы вывести на рынок новое лекарство? ~ 1 миллиард долларов, что эквивалентно найму более 665 сотрудников с годовой зарплатой 100 тысяч долларов в течение 15 лет.
Проще говоря, одобрение нового препарата - это масштабное мероприятие, и выбор правильных партнеров, которые расставляют приоритеты синхронно с вами и фокусируются на высоком качестве и быстром обороте, имеет большое значение для предотвращения ошибок и продвижения вашей лекарственной программы ближе к успеху.
Вы все еще можете обвинять ученых в том, что они не изобрели лекарства, спасающие жизнь, как можно быстрее?
Давайте быстро посмотрим, на каких этапах происходит открытие лекарств!
Фазы
Понимание этапов полного открытия лекарств очень важно, потому что машинное обучение - это первое понимание постановки проблемы. Эта статья больше фокусируется на понимании машинного обучения, лежащего в основе разработки лекарств, а не на разработке готовых лекарств LOL!
- Шаг 1. Открытие и разработка
- Этап 2. Доклинические исследования
- Этап 3. Клиническая разработка
- Шаг 4. Проверка FDA
- Шаг 5. Постпродажный мониторинг безопасности FDA.
Основные алгоритмы машинного обучения в открытии лекарств
1. Случайный лес (РФ)
RF - это широко используемый алгоритм, специально разработанный для больших наборов данных с множеством функций, что подразумевает удаление выбросов, а также классификацию и обозначение наборов данных на основе относительных характеристик, классифицированных для конкретного алгоритма.
При открытии лекарств RF в основном используются либо для выбора признаков, классификаторов или регрессии. используются методы RF для улучшения предсказания сродства между лигандом и белком путем виртуального скрининга путем выбора молекулярных дескрипторов на основе набора обучающих данных. для ферментов.
2. Наивный байесовский (NB)
Алгоритмы NB - это подмножество контролируемых методов обучения, которые стали важным инструментом, используемым в классификации с помощью прогнозного моделирования.
Классификация биомедицинских данных имеет решающее значение в процессе открытия лекарств, особенно в подмножестве целевых открытий. Алгоритмы NB оказались многообещающими в качестве инструментов классификации биомедицинских данных, часто заполненных несвязанной информацией и данными, известными как шум. Методы NB также могут играть важную роль в прогнозировании взаимодействий лиганд-мишень, что может станет огромным шагом вперед в открытии свинца.
3. Машина опорных векторов (SVM)
SVM - это контролируемые алгоритмы машинного обучения, используемые при открытии лекарств для разделения классов соединений на основе селектора признаков путем получения гиперплоскости.
SVM имеет решающее значение для открытия лекарств из-за его способности различать активные и неактивные соединения, ранжирования соединений из каждой базы данных или обучающей регрессионной модели. SVM можно использовать в различных сценариях. Классификация SVM имеет предсказание бинарного класса подмножества, которое может отличать активные молекулы от неактивных.
ИИ может адаптировать подходы к более точному пониманию патологических клеточных и молекулярных механизмов.
Звучит экстравагантно, да? Давайте углубимся в это!
ПРИМЕР 1.
BenevolentAI: ИСПОЛЬЗОВАНИЕ МАШИННОГО ОБУЧЕНИЯ ДЛЯ УЛУЧШЕНИЯ ЦЕЛЕВЫХ ПРОГНОЗОВ
Компания BenevolentAI, британская компания, основанная в 2013 году, создает и применяет технологии искусственного интеллекта, чтобы изменить способы открытия, разработки, тестирования и вывода лекарств на рынок. В компании работает более 200 биологов, химиков, инженеров, информатиков и специалистов по обработке данных, работающих в многофункциональных группах. Головной офис компании находится в Лондоне, а исследовательский центр - в Кембридже (Великобритания), а другие офисы - в Нью-Йорке. BenevolentAI имеет активные программы исследований и разработок лекарств в таких областях, как БАС, болезнь Паркинсона, язвенный колит и саркопения. Он установил партнерские отношения с рядом крупных биофармацевтических компаний.
Решение искусственного интеллекта для открытия лекарств
BenevolentAI обладает возможностями от раннего открытия до поздней стадии клинической разработки. Компания разработала Benevolent Platform - ведущую вычислительную и экспериментальную платформу для открытий, которая позволяет их ученым находить новые способы лечения болезней и персонализировать лекарства для пациентов. Benevolent Platform® фокусируется на трех ключевых областях: идентификация целей, молекулярный дизайн и прецизионная медицина.
Основные проекты и направления болезней
Платформа BenevolentAI составила ранжированный список потенциальных методов лечения БАС вместе с биологическими доказательствами. Команда BenevolentAI смогла быстро отсортировать эти прогнозы, используя стратегии, сосредоточенные на путях, задействованных во множественных процессах БАС. Пять самых многообещающих соединений были доставлены в Шеффилдский институт трансляционной нейробиологии (SITraN), всемирный авторитет в области БАС. Свинцовая молекула БАС возникла из лекарства от рака груди, которое показало задержку появления симптомов при тестировании на модели болезни золотого стандарта.
В апреле 2019 года компания начала долгосрочное сотрудничество с AstraZeneca, направленное на использование искусственного интеллекта и машинного обучения для разработки новых методов лечения хронической болезни почек (ХБП) и идиопатического фиброза легких (IPF).
В сентябре 2019 года BenevolentAI подписала Рамочное соглашение о сотрудничестве с Novartis Pharma AG («Novartis»). Этот первоначальный проект с Novartis в области онкологии предусматривает применение технологий искусственного интеллекта и машинного обучения для стратификации пациентов и лучшего понимания неоднородности пациентов и заболеваний для более точного нацеливания лекарств на пациентов, которые в них нуждаются.
Достижения
Компания стремится использовать возможности ИИ, чтобы поставить пациентов на первое место и существенно изменить их жизнь, создав способ снизить затраты на открытие и разработку лекарств, уменьшить количество отказов и увеличить скорость доставки лекарств пациентам. BenevolentAI опубликовала несколько исследований в известных научных журналах и на всемирно известных конференциях.
Технология DL не только трансформирует сферу исследований малых молекул, но также демонстрирует потенциал в идентификации новых биопрепаратов.
Интересно, как? Давайте сразу же закончим изучение примера!
ПРИМЕР 2.
ATOMWISE
ИСПОЛЬЗУЕТ DL ДЛЯ Ускорения открытия и поиска молекул для самых сложных задач
Компания Atomwise, американская компания, основанная в 2012 году, использует технологию искусственного интеллекта для прогнозирования аффинности связывания малых молекул с белками и фокусируется на выявлении потенциальных терапевтических средств для лечения любого заболевания. В компании работает 46 сотрудников. Он установил более 300 партнерских отношений с крупными биофармацевтическими компаниями и академическими исследовательскими центрами по всему миру. В 2018 году компания привлекла венчурные фонды в размере 45 миллионов долларов США для дальнейшего развития технологии искусственного интеллекта, при этом на сегодняшний день общий объем финансирования составляет 51,3 миллиона долларов США.
Решение искусственного интеллекта для открытия лекарств
Платформа искусственного интеллекта AtomNet - это запатентованная структура, состоящая из сверточных нейронных сетей DL для обнаружения попаданий, идентификации и оптимизации соединений-лидеров. Он изучает трехмерные особенности молекулярного связывания лекарства с мишенью и идентифицирует дискриминаторы. Платформа может выбирать хиты, которые обладают ключевыми характеристиками, такими как способность преодолевать гематоэнцефалический барьер за короткий промежуток времени с новыми ведущими соединениями, полученными за несколько дней, минуя необходимость в дорогостоящих и длительных высокопроизводительных скрининговых экспериментах.
Основные проекты
Они работают с партнерами по всему миру над проектами по открытию лекарств от различных болезней, включая лихорадку Эбола, рассеянный склероз и лейкоз.
Достижения
Компания использовала технологию и алгоритмы искусственного интеллекта в партнерстве с Университетом Торонто для быстрого определения методов лечения вируса Эбола. Результаты исследования представлены в рецензируемую публикацию. Атомвайз также обнаружил новую молекулу, нацеленную на рассеянный склероз, которая ингибирует белок-белковое взаимодействие в центральной нервной системе и, как было показано, в очень низкой дозе на моделях мышей проявляет пероральную активность. Лекарство было лицензировано неизвестной биофармацевтической компанией. Более недавние достижения включают успехи в борьбе с болезнью Шагаса, ящуром, ишемическим инсультом и болезнью Паркинсона. .
Будущее открытий лекарств: создание медицины «4P»
Внедрение искусственного интеллекта и других инновационных технологий, а также использование больших данных из множества источников позволяет более точно направлять лечение и сдвигать экосистему здравоохранения в сторону будущего, в котором медицина будет персонализированной, прогнозирующей, профилактической и основанной на участии ( 4P), что привело к появлению новых, более эффективных и действенных моделей оказания помощи. В течение следующего десятилетия эти изменения окажут значительное влияние на лечение и результаты лечения пациентов, особенно в тех областях медицины, где потребности не удовлетворены.
