For første gang er et AI-designet legemiddel i andre fase av kliniske studier. Nylig publiserte teamet bak stoffet et papir som skisserte hvordan de utviklet det så raskt.

Laget av Insilico medisin, et bioteknologiselskap basert i New York og Hong Kong, retter stoffet kandidaten seg mot idiopatisk lungefibrose, en dødelig sykdom som får lungene til å stivne og arr over tid. Skaden er irreversibel, noe som gjør det stadig vanskeligere å puste. Sykdommen har ikke kjente triggere. Forskere har slitt med å finne proteiner eller molekyler som kan ligge bak sykdommen som potensielle mål for behandling.

For medisinske kjemikere er det et mareritt å utvikle en kur mot sykdommen. For Dr. Alex Zhavoronkov, grunnlegger og administrerende direktør for Insilico Medicine, representerer utfordringen et potensielt proof of concept som kan transformere legemiddeloppdagelsesprosessen ved hjelp av AI – og gi håp til millioner av mennesker som sliter med den dødelige sykdommen.

Legemidlet, kalt ISM018_055, hadde AI tilført gjennom hele utviklingsprosessen. Med Pharma.AI, selskapets legemiddeldesignplattform, brukte teamet flere AI-metoder for å finne et potensielt mål for sykdommen og genererte deretter lovende medikamentkandidater.

ISM018_055 skilte seg ut for sin evne til å redusere arrdannelse i celler og i dyremodeller. I fjor fullførte stoffet en klinisk fase I-studie med 126 friske frivillige i New Zealand og Kina for å teste sikkerheten og besto med glans. Laget har nå beskrev hele plattformen deres og ga ut dataene deres Nature Biotechnology.

Tidslinjen for medikamentoppdagelse, fra å finne et mål til fullføring av fase I kliniske studier, er rundt syv år. Med AI fullførte Insilico disse trinnene på omtrent halvparten av tiden.

"Tidlig så jeg potensialet til å bruke AI for å fremskynde og forbedre legemiddeloppdagelsesprosessen fra ende til annen," sa Zhavoronkov Singularity Hub. Konseptet ble i utgangspunktet møtt med skepsis fra legemiddeloppdagelsesmiljøet. Med ISM018_055 setter teamet sin AI-plattform "på den ultimate prøven - oppdag et nytt mål, design et nytt molekyl fra bunnen av for å hemme det målet, test det og ta det hele veien inn i kliniske studier med pasienter."

Det AI-designede stoffet har fjell å bestige før det når apotekene. Foreløpig har det bare vist seg å være trygt hos friske frivillige. Selskapet lanserte Fase II kliniske studier i fjor sommer, som skal undersøke stoffets sikkerhet ytterligere og begynne å teste effekten hos personer med sykdommen.

"Mange selskaper jobber med kunstig intelligens for å forbedre ulike trinn i legemiddeloppdagelse," sa Dr. Michael Levitt, en nobelprisvinner i kjemi, som ikke var involvert i arbeidet. "Insilico ... identifiserte ikke bare et nytt mål, men akselererte også hele den tidlige legemiddeloppdagelsesprosessen, og de har ganske vellykket validert AI-metodene deres."

Arbeidet er så «spennende for meg», sa han.

Det lange spillet

De første stadiene av oppdagelsen av narkotika er litt som høyinnsatsspill.

Forskere velger et mål i kroppen som sannsynligvis forårsaker en sykdom, og designer deretter møysommelig kjemikalier for å forstyrre målet. Kandidatene blir deretter gransket for et utall av foretrukne egenskaper. Kan det for eksempel absorberes som en pille eller med en inhalator i stedet for en injeksjon? Kan stoffet nå målet på høye nok nivåer til å blokkere arrdannelse? Kan det lett brytes ned og elimineres av nyrene? Til syvende og sist, er det trygt?

Hele valideringsprosessen, fra oppdagelse til godkjenning, kan ta mer enn et tiår og milliarder av dollar. Mesteparten av tiden lønner ikke satsingen seg. Omtrent 90 prosent av opprinnelig lovende medikamentkandidater mislykkes i kliniske studier. Enda flere kandidater kommer ikke så langt.

Den første fasen - å finne målet for et potensielt medikament - er avgjørende. Men prosessen er spesielt vanskelig for sykdommer uten kjent årsak eller for komplekse helseproblemer som kreft og aldersrelaterte lidelser. Med AI lurte Zhavoronkov på om det var mulig å få fart på reisen. I det siste tiåret har teamet bygget flere «AI-forskere» for å hjelpe sine menneskelige samarbeidspartnere.

Den første, PandaOmics, bruker flere algoritmer for å nullstille potensielle mål i store datasett – for eksempel genetiske eller proteinkart og data fra kliniske studier. For idiopatisk lungefibrose trente teamet verktøyet på data fra vevsprøver av pasienter med sykdommen og la til tekst fra et univers av vitenskapelige publikasjoner og stipender på nettet på feltet.

Med andre ord, PandaOmics oppførte seg som en vitenskapsmann. Den "lest" og syntetiserte eksisterende kunnskap som bakgrunn og inkorporerte data fra kliniske forsøk for å generere en liste over potensielle mål for sykdommen med fokus på nyhet.

Et protein kalt TNIK dukket opp som den beste kandidaten. Selv om det ikke tidligere var knyttet til idiopatisk lungefibrose, hadde TNIK vært det et mål assosiert med flere "aldringskjennetegn" - de utallige nedbrutte genetiske og molekylære prosessene som akkumuleres når vi blir eldre.

Med et potensielt mål i hånden, ringte en annen AI-motor Kjemi 42, brukte generative algoritmer for å finne kjemikalier som kunne låse seg på TNIK. Denne typen AI genererer tekstsvar i populære programmer som ChatGPT, men den kan også finne nye medisiner.

"Generativ AI som teknologi har eksistert siden 2020, men nå er vi i et sentralt øyeblikk med både bred kommersiell bevissthet og gjennombruddsprestasjoner," sa Zhavoronkov.

Med ekspertinnspill fra humane medisinske kjemikere fant teamet til slutt sin medikamentkandidat: ISM018_055. Legemidlet var trygt og effektivt til å redusere arrdannelse i lungene i dyremodeller. Overraskende nok beskyttet den også huden og nyrene mot fibrose, som ofte oppstår under aldring.

På slutten av 2021 lanserte teamet en klinisk studie i Australia som tester stoffets sikkerhet. Andre fulgte snart etter i New Zealand og Kina. Resultatene hos friske frivillige var lovende. Det AI-designede stoffet ble lett absorbert av lungene når det ble tatt som en pille og deretter brutt ned og eliminert fra kroppen uten nevneverdige bivirkninger.

Det er et proof of concept for AI-basert medikamentoppdagelse. "Vi er i stand til å demonstrere uten tvil at denne metoden for å finne og utvikle nye behandlinger fungerer," sa Zhavoronkov.

Først i klassen

Det AI-designede stoffet gikk videre til neste fase av kliniske studier, fase II, både i USA og Kina sist sommer. Legemidlet blir testet hos personer med sykdommen ved å bruke gullstandarden for kliniske studier: randomisert, dobbeltblind og med placebo.

"Mange sier at de driver med kunstig intelligens for å oppdage medisiner," sa Dr. Alán Aspuru-Guzik ved University of Toronto, som ikke var involvert i den nye studien. "Dette er, så vidt jeg vet, det første AI-genererte stoffet i kliniske studier i stadium II. En sann milepæl for samfunnet og for Insilico.»

Stoffets suksess er fortsatt ikke gitt. Legemiddelkandidater mislykkes ofte under kliniske studier. Men hvis den lykkes, kan den potensielt ha en bredere rekkevidde. Fibrose oppstår lett i flere organer når vi blir eldre, og til slutt stopper normale organfunksjoner.

"Vi ønsket å identifisere et mål som var svært involvert i både sykdom og aldring, og fibrose ... er et viktig kjennetegn på aldring," sa Zhavoronkov. AI-plattformen fant et av de mest lovende «dobbeltformålsmålene knyttet til anti-fibrose og aldring», som ikke bare kan redde liv hos mennesker med idiopatisk lungefibrose, men også potensielt langsom aldring for oss alle.

For Dr. Christoph Kuppe ved RWTH Aachen som ikke var involvert i arbeidet, er studien et "landemerke" som kan omforme banen for oppdagelse av legemidler.

Med ISM018_055 som for tiden gjennomgår fase II-studier, ser Zhavoronkov for seg en fremtid der AI og forskere samarbeider for å fremskynde nye behandlinger. "Vi håper dette [arbeidet] vil skape mer selvtillit og flere partnerskap, og tjene til å overbevise alle gjenværende skeptikere om verdien av AI-drevet medisinoppdagelse," sa han.

Bildekreditt: Insilico

• SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
• PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
• PlatoESG. Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
• PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
• kilde: https://singularityhub.com/2024/03/18/an-ai-designed-drug-is-moving-toward-approval-at-an-impressive-clip/