Het gebied van de ontdekking van geneesmiddelen is aangejaagd door de mogelijkheden van AI, die verschillende bedrijven hebben toegepast in verschillende manieren om van een enorm praktisch probleem een ​​handelbaar informatieprobleem te maken. De laatste die dit doet, is Google-moederbedrijf Alphabet, dat heeft Isomorfe Labs, onder DeepMind-hoofd Demis Hassabis, om zijn kans te wagen op het veelbelovende nieuwe veld.

Er werd heel weinig onthuld over het bedrijf in zijn debuut blogpost en een zeer algemene bijbehorende FAQ. Het doel van het bedrijf is om "een computerplatform te bouwen om biologische systemen te begrijpen vanaf de eerste principes om nieuwe manieren te ontdekken om ziekten te behandelen."

Er zijn natuurlijk een paar aannames die in die grondverklaring zijn verwerkt, met name dat het mogelijk is om biologische systemen computationeel te simuleren op een manier die bevorderlijk is voor de ontdekking van geneesmiddelen.

Er zijn verschillende grote bedrijven opgericht en gefinancierd met honderden miljoenen van dollars om zeer vergelijkbare doelen na te streven in de afgelopen vijf jaar of zo, en er is geen zichtbare revolutie of beroemd door AI ontdekt wondermiddel voor een voorheen onbehandelbare ziekte. De redenen waarom vallen buiten het bestek van dit artikel (en zullen ongetwijfeld in de nabije toekomst door Isomorphic Labs worden behandeld), maar het is duidelijk dat deze AI-systemen geen wonderfabrieken zijn, maar slechts onderdelen in een lang en complex proces dat nog steeds een veel tijd, geld en reageerbuisjes.

Hassabis is geen dwaas, en hoewel hij biologie nogal optimistisch beschrijft als "een informatieverwerkingssysteem, zij het een buitengewoon complex en dynamisch systeem", (ik voel dat de lezers op dit gebied nu naar de commentaren scrollen), tempert hij dat kort daarna:

Biologie is waarschijnlijk veel te complex en rommelig om ooit te worden ingekapseld als een eenvoudige reeks nette wiskundige vergelijkingen. Maar net zoals wiskunde de juiste beschrijvingstaal voor natuurkunde bleek te zijn, kan biologie het perfecte type regime blijken te zijn voor de toepassing van AI.

Het idee dat informatiesystemen en biologische systemen een gemeenschappelijke structuur kunnen hebben, is de inspiratie voor de naam Isomorphic Systems; isomorf betekent gelijk in vorm maar met een andere oorsprong.

Zijn redenering hiervoor is ongetwijfeld deels te danken aan de effectiviteit van DeepMind's AlphaFold, een door AI aangedreven eiwitvouwsysteem dat blies vorig jaar biologen van de sokken en hielp bij het creëren van een nieuw normaal in een zeer complex veld.

De leersystemen van DeepMind hebben aangetoond: een bepaalde affiniteit voor algemeenheid of kennisoverdracht - dat wil zeggen, een structuur hebben die kan worden hergebruikt voor heel verschillende taken. En als, zoals het succes van AlphaFold suggereert, biologische systemen een goede match zijn voor dit soort simulatie en analyse, kan Hassabis' beoordeling van de bredere mogelijkheden van het bedrijf waar blijken te zijn.

Als dat zo is, zal het niet voor een tijdje zijn. Zelfs met de vliegende start die wordt geboden door het AI-onderzoek van DeepMind (dat apart zal blijven, maar kan worden gedeeld), begint Isomorphic in wezen helemaal opnieuw met dit probleem. Het neemt een "multidisciplinair team van wereldklasse" aan en misschien zien we over een jaar of twee de eerste resultaten die voortvloeien uit de ambities van het bedrijf.

PlatoAi. Web3 opnieuw uitgevonden. Gegevensintelligentie versterkt.
Klik hier om toegang te krijgen.

Bron: https://techcrunch.com/2021/11/04/isomorphic-labs-is-alphabets-play-in-ai-drug-discovery/