Bir Bakışta İlaç Keşfi Alanında Yapay Zeka

Yapay zekanın (AI) devam eden yükselişi, ilaç ve biyoteknoloji sektörlerinin istisnasız olduğu çeşitli sektörleri önemli ölçüde etkiliyor. Hem büyük hem de küçük farmasötik kuruluşlarının, araştırma ve geliştirme süreçlerini kolaylaştırmak, keşif zaman çizelgelerini ve maliyetlerini azaltmak ve genel verimliliği artırmak için yapay zeka ilaç keşif platformlarını giderek daha fazla benimsemesi şaşırtıcı değil.

J&J, GSK, AstraZeneca, Novartis, Pfizer, Sanofi ve Eli Lilly gibi önde gelen ilaç şirketleri, ilaç keşfi için yapay zekaya önemli yatırımlar yaptı. Bu yatırımlar arasında sermaye yatırımları, yapay zeka odaklı şirketlerle satın almalar veya ortaklıklar, dahili yetenekler geliştirme veya bu stratejilerin bir kombinasyonu yer alır.

Eşzamanlı olarak, genellikle başlangıcından itibaren yapay zeka merkezli kuruluşlar olarak kurulan yeni ilaç keşfi ve biyoteknoloji şirketlerinde bir artış var. Öncelikle son on yılda kurulan bu şirketler, yapay zeka odaklı özel ilaç keşif platformları oluşturmuş ve test etmiştir. Bu platformlar genellikle çok sayıda makine öğrenimi modeli içerir ve artık hızlı ve uygun maliyetli hedef bulma ve ilaç tasarım yetenekleri açısından önemli faydalar sağlamaya başlıyor. Sonuç olarak, hızlandırılmış bir hızla preklinik ve klinik ilaç adayları üretiyorlar. Aşağıdaki bölümlerde, halihazırda klinik deneylere girmiş veya girmek üzere olan küçük moleküller, biyolojikler ve diğer modaliteler dahil olmak üzere yapay zeka tarafından geliştirilmiş ilaç adaylarından bir seçkiyi keşfedeceğiz.

Ek olarak, bazı AI şirketleri, sadece yirmi yıl önce hayal bile edilemeyen ölçeklerde karmaşık çok modlu verileri kullanarak biyolojiyi modellemede ilerleme kaydetti. Başka bir şirket grubu, klinik araştırmalarda veya farmakovijilans gibi gerçek dünya veri analizinde operasyonel verimliliği ve deney tasarımını geliştirmek için yapay zeka odaklı platformlar geliştirdi.

Alphabet, Microsoft, Amazon, IBM ve Tencent gibi büyük teknoloji şirketleri yapay zeka ve büyük veri teknolojilerinde uzmanlığa sahiptir ve aynı zamanda ilaç keşif alanına da girmektedir. Katılımları, yatırım yapmayı, yeni şirketler kurmayı, yaşam bilimi şirketleriyle ortaklık kurmayı, deney yapmayı ve yenilik yapmayı içerir.

Son olarak, kuantum hesaplama, Cryo-EM ve DNA kodlu kütüphaneler gibi diğer ileri teknolojilerde önemli ilerlemeler kaydedilmiştir. Bu teknolojiler, yalnızca yeni araç, ürün ve hizmet türleri değil, aynı zamanda yenilikçi girişimler ve hatta yeni iş modelleri dalgasıyla sonuçlanan yapay zeka trendiyle birleşiyor.

AI nedir ve ilaç keşfinde nasıl uygulanır?

Yapay zeka nispeten eski bir kavramdır ve 1956'da ünlü bir Dartmouth College konferansında resmileştirilmiştir. İlaç keşfindeki yapay zeka teknolojileri, daha önceki makine öğrenimi (ML), keminformatik ve biyoinformatik kavram ve yaklaşımlarından gelişmiştir. Örneğin, toksisite tahmini için nicel yapı-aktivite ilişkisi (QSAR) modelleri ve uzman sistemler geliştirmek için makine öğreniminin uygulanması uzun bir geçmişe sahiptir. 

Bununla birlikte, büyük verilerin hızlı (bazı durumlarda - "üstel") gelişimi, gelişmiş analitik, hesaplama maliyetinin en aza indirilmesi, GPU hızlandırma, bulut bilgi işlem, algoritma geliştirme (örneğin, derin sinir ağları ve büyük dil modelleri) ve AI teknolojisinin “demokratikleşmesi” - bunların tümü, özellikle ilaç ve biyoteknoloji endüstrilerinde yapay zekanın ticarileştirilmesi ve endüstriyelleştirilmesinde sinerjik bir "patlamaya" yol açtı. 

Bu teknik incelemede, toplu olarak "yapay zeka" terimini, "büyük verilerden", yapılandırılmış ve yapılandırılmamış verilerden ve ayrıca çok modlu verilerden içgörüleri otomatik olarak öğrenebilen ve pratik öneriler türeten herhangi bir karmaşık hesaplama ve modelleme sistemine atıfta bulunmak için kullanıyoruz.

"Yapay zeka" olarak adlandırdığımız belirli bir algoritma ailesi için bir sınır olmasa da, çoğu durumda makine öğrenimine dayalı sistemlerin (öncelikle derin sinir ağları) ve büyük doğal dil işlemenin (NLP) çeşitli çeşitlerini kastediyoruz. modeller. Modern yapay zeka sistemleri, açıkça talimat verilmeden öğrenebilir ("eğer-o zaman" mantığındaki geleneksel keminformatik yazılımının aksine), yeni öğrenme döngülerinden sonra ve sisteme daha fazla veri beslendiğinde doğruluğu artırabilir ve - en önemlisi - yapabilirler Muazzam boyuttaki yüksek boyutlu çok modlu verileri işleyin. Tüm bu nitelikler, günümüz yapay zeka sistemlerini eski keminformatik ve biyoinformatik yazılım paketlerinden önemli ölçüde ayıran şeydir. Bu tür yetenekler, AI (ve yutturmaca) hakkında süregelen heyecanı yönlendiren şeyin merkezinde yer alır.  

"Yapay zeka" olarak adlandırdığımız bazı bileşenler - örneğin, makine öğrenimi araçları ve dil modelleri - hemen hemen her ilaç kuruluşu ve akademik laboratuvar tarafından kullanılırken, bazı şirketler karmaşık hesaplama ve modelleme boru hatları oluşturmayı, "AI platformlarını" araştırmayı başardı. düzinelerce ve hatta yüzlerce çeşitli model ve sistemde (derin öğrenme, dil modelleri) ve yüzlerce çeşitli kamuya açık ve özel veri kaynağında otomatikleştirilmiş iş akışlarını içerir. 

Bazı yapay zeka platformlarının yüksek düzeyde karmaşıklığı ve otomasyonu, ticari isimlere sahip oldukları noktaya kadar "metalaşmalarına" yol açtı. Aynı zamanda, bazıları diğer şirketlere hizmet olarak yazılım olarak sunulmaktadır. Örnekler arasında Moderna'dan mRNA DESIGN STUDIO™, Exscientia'dan Centaur Chemist®, AI Therapeutics'ten Guardian Angel™, Verge Genomics'ten ConVERGE™, C3X Discovery'den Taxonomy4® ve diğerleri yer alır. 

Aşağıda, yüzlerce farklı alt sistem ve makine öğrenimi modelinden oluşan uçtan uca ilaç keşfine yönelik modüler bir sistem olan Insilico Medicine'in Pharma.AI'sinin bir örneği bulunmaktadır — tümü yine daha yüksek modelleme soyutlama algoritmaları tarafından kontrol edilmektedir (bir ilke aracılığıyla) "toplu öğrenme"). 

Uçtan uca bir Pharma.AI platformu şeması. Resim kredisi: https://insilico.com

Yapay zeka, veri madenciliği, biyoloji modelleme ve hedef keşfinden öncü tanımlamaya ve preklinik ve klinik araştırmaya kadar farmasötik araştırmaların hemen hemen her alanında yaygın olarak kullanılmaktadır. Ayrıca sentez planlaması, reaktifler ve araştırma sarf malzemeleri için akıllı arama ve akıllı laboratuvar not defterleri ve sanal asistanlar gibi yardımcı görevler için de kullanılır. 

Kaynak: https://www.biopharmatrend.com/m/companies/ai/ 

Yapay zekayı benimseyenlerin Yaşam Bilimleri ekosistemi, aşağıdaki ana oyuncu kategorilerini içerir: 

AI ilaç keşfi yatırım ortamı

Biyoteknoloji endüstrisi için risk sermayesi anlaşmalarının miktarı, rekor sayıda ilk halka arz, çok sayıda başarılı çıkış ve borsada genel olarak çok olumlu bir iklim açısından anormal derecede başarılı bir yıl olan 2021'den sonra, 2022 yılı gösterdi finansal faaliyetin önemli ölçüde soğuması ve borsanın düpedüz zayıf performansı. 

Bununla birlikte, ilaç keşfi sektöründeki yapay zeka, en azından özel sermaye işlemleri ortamında, birkaç şirketin yüz milyonlarca risk sermayesi toplamasıyla belirli bir dayanıklılık gösterdi. Bazı örnekler arasında Pekin merkezli MegaRobo Technologies (300 milyon $ Seri C), Massachusetts merkezli ConcertAI (150 milyon $ Seri C) ve Celsius Therapeutics (83 milyon $ Seri A), Hong Kong merkezli Insilico Medicine (95 milyon $ Seri D), California- merkezli BigHat Biosciences (75 milyon $ Seri B) ve DeepCell (73 milyon $ Seri B) ve diğerleri — okuyun "2022'de İlaç Keşfi ve Biyoteknoloji Alanında Yapay Zeka Şirketleri İçin Başlıca Risk Riski Turları anlayışının sonucu olarak, buzdolabında iki üç günden fazla durmayan küçük şişeler elinizin altında bulunur.      

Birleşme ve devralma (M&A) manzarası, bir biyoteknoloji devinin dahil olduğu yakın tarihli kayda değer bir anlaşmayla işaretlendi. Ginkgo Bioworks, Zymergen'i satın alıyor Zymergen'e 300 milyon dolar değerinde bir işlemde. Satın alma, Zymergen'in makine öğrenimi ve veri bilimi yeteneklerini Ginkgo'nun sentetik biyoloji platformuyla bir araya getiriyor. 

Temel sektör gözlemleri ve trendleri

Yapay zeka ve veri teknolojilerinin yanı sıra yeni hesaplama araçları ve altyapı çözümlerinin (veritabanları, bulut hizmetleri vb.) ortaya çıkışı, ilaç endüstrisinin araştırma, klinik ve iş düzeylerinde çalışma şeklini yeniden tanımlıyor. Aşağıda, ilaç keşif alanı için yapay zekadaki bazı eğilimleri ve gözlemleri ve 2022'deki örnek endüstri gelişmelerini inceleyelim.

AI özellikli biyoloji modelleme ve hedef keşfi

İlaç keşif araştırmalarında, yeni ilaç hedeflerinin belirlenmesi, sınıfında birinci olan yeni terapötik ilaçlar - potansiyel "gişe rekorları kıran" ilaçlar geliştirmek için kritik öneme sahiptir. Geçtiğimiz on yıllardaki ilaç keşif çabaları, geleneksel olarak, bir ligand molekülünden (genellikle küçük bir molekül) etkilenecek uygun "ceplere" sahip belirli proteinleri hedefleme etrafında odaklandı. Ancak tüm insan proteinlerinin ("proteom" olarak da bilinir) bütünlüğünden, az sayıda protein hedef olarak keşfedildi. şu anda var 20,360 insan proteini OMIM veri tabanına göre yaklaşık 4,600'ünün hastalık mekanizmalarına dahil olduğu bilinen ve hastalıkta rol oynayan insan proteinlerinin yaklaşık %22'sini temsil eden Swiss-Prot'ta. Bu proteinler, insan proteomunun canlı ilaç hedefleri içermesi muhtemel bariz bölgesidir. Fakat, 2017 itibarıyla, sadece yaklaşık 890 insan ve patojen türevli biyomolekül (çoğunlukla proteinler), mevcut FDA onaylı ilaçlar tarafından fiilen kullanıldı. Bu biyomoleküller, insan hastalıkları için ilaçlar tarafından hedeflenen 667 insan genomundan türetilmiş proteini içeriyordu. Bugün de durum pek farklı değil, dolayısıyla bu havuzda yeni hedefler belirlemek için hala çok yer var. Yapay zeka teknolojilerine dayanan yeni hesaplamalı yaklaşımlar, ölçekte yeni uyuşturulabilir protein ceplerinin tanımlanmasına izin verir ve bazen proteom çapında sanal ekranlara izin verir. 

Ancak daha da heyecan verici olan, gelişmiş modelleme araçları, protein-protein etkileşimleri, geniş temas alanlı hedefler, protein-nükleik asit etkileşimleri gibi yeni hedef türlerini ve hücrenin proteinini kullanmak gibi yeni nesil hedefleri belirlemeye ve modüle etmeye yardımcı olur. bozulma makineleri. 

İLGİLİ: mRNA Biyolojisini Hedeflemek İçin Yapay Zeka ile Aşırı Fenotipik Tarama: AnimaBiotech'in kurucu ortağı Yochi Slonim ile röportaj

Yapay zeka odaklı birçok şirket, biyolojiyi modellemeye, yeni hedefler keşfetmeye ve doğrulamaya ve diğer kuruluşlara "hizmet olarak hastalık modeli" veya "hizmet olarak hedef keşfi" sunmaya odaklanıyor. Bu tür sözleşmeli araştırma hizmetlerine olan talep artıyor ve bu da artan sayıda hedef keşif ortaklığına yansıyor. 

Örneğin, Eylül 2022'de İsrail merkezli bir biyoloji modelleme şirketi CytoReason, Pfizer ile 110 milyon dolarlık genişletilmiş bir iş birliğini duyurdu. İki şirket, 2019 yılında Pfizer'in bağışıklık aracılı hastalıklar ve kanser immünoterapileri için yeni ilaçlar geliştirmeyi amaçlayan araştırmalarda CytoReason'un biyolojik modellerini kullanmaya başlamasıyla birlikte çalışmaya başladı. 

Mayıs 2022'de AstraZeneca, yapay zeka odaklı ilaç keşfinde Birleşik Krallık merkezli bir lider olan BenevolentAI ile yaptığı işbirliğinden ikinci bir pulmoner fibroz hedefi topladığını duyurdu. Bu kilometre taşı, işbirliğinin başladığı 2019'dan bu yana BenevolentAI tarafından AstraZeneca için keşfedilen üçüncü yeni hedef oldu. Sadece birkaç ay sonra, Ekim 2022'de BenevolentAI, AstraZeneca'nın kronik böbrek hastalığı ve idiyopatik hastalıkları hedefleyen Ar-Ge portföyü için yapay zeka tarafından oluşturulmuş iki ek hedef sunmayı başardı. pulmoner fibroz. 

Kasım 2022'de Hong Kong merkezli Insilico Medicine, Insilico Medicine'nin "Pharma.AI" platformundan yararlanan altı adede kadar yeni hedef keşfetmek için Sanofi ile potansiyel olarak 1.2 milyar dolar değerinde bir anlaşma imzaladı. 

Derin sinir ağları gibi son teknoloji algoritmalar, biyolojiyi düzgün bir şekilde modellemek için büyük miktarda veri gerektirse de, az miktarda veriye sahip hedefler vardır. Kanada merkezli bir Cyclica, "düşük veri" hedefleriyle çalışabilen, polifarmakoloji ve proteom çapında tarama için yapay zeka odaklı bir platform geliştirdi. Kasım 2022'de Cyclica, çok sayıda düşük verili biyolojik hedeften yararlanarak hormonal olmayan yeni sözleşmeler keşfetmek üzere yapay zeka özellikli ilaç keşif platformunu uygulamak için Bill & Melinda Gates Vakfı'ndan 1.8 milyon dolarlık bir hibe aldı. 

Göre BiopharmaTrend raporu, hedef keşif alanında, Insitro, Relay Therapeutics, Valo Health ve diğerleri gibi son teknoloji Ar-Ge platformlarına sahip iyi finanse edilen önde gelen şirketler de dahil olmak üzere en az 182 başka AI şirketi var. 

Biyoloji modelleme alanında sürekli olarak yeni "AI-yerel" girişimler ortaya çıkıyor. Örneğin, CardiaTec Biosciences, WhiteLab Genomics, Degron Therapeutics bunlardan birkaçıdır. 

İLGİLİ: 11'de Yapay Zeka Destekli 2021 İlaç Keşfi Girişimi Kuruldu

Sonuç olarak, yapay zekaya dayalı gelişmiş modelleme yöntemleri, ilaç tepkisini genetik varyasyona bağlamaya, katmanlı klinik etkinlik ve güvenliği anlamaya, aynı terapötik sınıftaki ilaçlar arasındaki farkları rasyonelleştirmeye ve tahmin etmeye çalışırken biyolojik hedeflerin tanımını yeniden tanımlamaya yardımcı olur. hasta alt gruplarında ilaç kullanımı. 

AI ile yapısal biyolojiyi kırma

Bu yıl Yaşam Bilimleri camiasında yapay zeka ile ilgili en çok tartışılan konulardan biri, Alphabet'in İngiltere merkezli yan kuruluşu DeepMind'in son başarısıydı. protein katlama problemindeki başarısı, yarım asırlık biyolojik bir problem.

Temmuz 2022'de DeepMind'in derin öğrenme yazılımı AlphaFold tahmin edilen ve herkese açık olarak paylaşılan 200 milyondan fazla proteinin protein yapıları, yapay zeka sisteminin şaşırtıcı bir şekilde sadece 3 boyutlu amino asit dizisinden 1 boyutlu yapıları doğru bir şekilde tahmin etme yeteneğini göstermiştir. Bazıları, bu keşfin (henüz) ilaç keşfinde sanıldığı kadar dönüştürücü bir role sahip olmayabileceğini ve AlphaFold'un bakteriyel protein-antibakteriyel bileşik etkileşimlerini tahmin ederken şanstan çok daha iyi performans göstermedi, keşif kesinlikle hem yapısal biyoloji için paradigma değiştiriyor hem de temel biyoloji araştırmalarında yapay zekanın potansiyelini gösteriyor. 

Kasım 2022'de, DeepMind'in proteomu modellemedeki çığır açan başarısı, Meta'daki (eski adıyla Facebook, merkezi Menlo Park, California'da bulunan) araştırmacılar tarafından rakip oldu. Bakterilerden, virüslerden ve karakterize edilmemiş diğer mikroorganizmalardan yaklaşık 600 milyon proteinin yapısını tahmin etmek için yapay zekayı kullandı. 

Meta'daki bilim adamları tamamen bir farklı AI yaklaşımı - metni yalnızca birkaç harf veya kelimeden tahmin edebilen bir yapay zeka türü olan "büyük bir dil modeli" kullanarak. Doğal dil modelleri (NLP'ler) genellikle büyük hacimli metinler üzerinde eğitilir. Bununla birlikte, 1D protein dizileri esasen harf dizileridir, bu nedenle NLP'ler, insan dilleriyle çalışmaya benzer şekilde bu tür sorunlara uygulanabilir. 

İlginç bir şekilde, protein katlanmasındaki bu tür büyük teknolojik sıçramalar, de novo protein tasarımı, ilaç keşfi için mevcut proteinlerin yapılarını basitçe modellemekten daha. Etkisinin nerede en büyük olacağını zaman gösterecek, ancak DeepMind ve Meta'nın yukarıdaki başarıları, yapısal biyologlar için 2022'deki tek heyecan verici gelişme değil. 

Son zamanlarda, yapay zeka teknolojileriyle birleşen kriyo-EM'deki hızlı gelişmeler, biyoteknoloji girişimlerinde yeni dalga Gandeeva Therapeutics, Septerna ve MOMA Therapeutics gibi. Cryo-EM alanı, daha küçük girişim kuruluşlarından TikTok'un sahibine ve Shuimu BioSciences'a yatırım yapan internet teknolojisi devi ByteDance'e kadar çok çeşitli yatırımcıların ilgisini çeken biyoteknoloji girişimleriyle kızışıyor. İlgi, yalnızca devrim niteliğindeki Nobel ödüllü teknoloji tarafından değil, aynı zamanda AI'nın sürece aktif olarak dahil edilmesiyle de yönlendirilmektedir. son yayın "Hücre özütlerinin yapısal çalışmaları için yapay zeka destekli bir kriyo-EM boru hattı" çoklu protein topluluğu üyelerinin yapısını de novo hızlı ve eş zamanlı olarak araştırmak için AI güdümlü atomik model tahmini dahil olmak üzere karmaşık kriyo-EM boru hatlarında yapay zekanın değiştirilemez rolünü vurguladı. Makine öğrenimi, yalnızca kriyo-EM boru hattını hızlandırmaya ve optimize etmeye yardımcı olmakla kalmaz, aynı zamanda kullanıcı yanlılığı tuzaklarından kaçınmaya da yardımcı olur. 

2021'de kurulan Gandeeva Therapeutics, protein-ilaç etkileşimlerinin hassas görüntülemesine dayalı yeni tedaviler geliştirmek için bu yılın başında 40 milyon dolar topladı. Hedef Seçim Motoru, Cryo-EM Motoru ile birlikte, şirketin belirttiği gibi "keşif çıkmazlarından uzaklaşmaya" yardımcı olabilir. Aynı zamanda, 2020'de piyasaya sürülen kriyo-EM biyoteknoloji MOMA Therapeutics, kanser için yeni hassas ilaçları kliniğe salma iddialı bir hedefle sadece iki yılda 236 milyon dolar gibi büyük bir gelir elde etti. MOMA, benzersiz bir biyolojik hedef sınıfı olan "moleküler makineler"e odaklanır. 

AI kullanarak küçük moleküller geliştirme

Hastalık modelleme ve hedef keşfinden sonra, kimyasal veya biyolojik moleküllerin tasarlanması, yapay zekanın ilaç keşfinde uygulanması için en bol ikinci kullanım durumudur. BiopharmaTrend AI Raporundaki 130 şirketten 384'dan fazla yapay zeka odaklı şirket, diğer kullanım durumlarının yanı sıra ilaç adaylarını tasarlamak için yapay zeka kullanıyor. 

Yapay zeka güdümlü ilaç tasarımı temel olarak üç ana kategoriye ayrılır: de novo (örn. üretken) ilaç tasarımı, mevcut veritabanlarının sanal olarak taranması ve ilacın yeniden kullanım amacı. 

De novo ilaç tasarımı, çoğunlukla üretken çekişmeli sinir ağları (GAN'lar) gibi derin öğrenme modelleri tarafından etkinleştirilir. Üretken yapay zeka platformlarının bazı örnekleri arasında Insilico Medicine'in Chemistry42 yazılımı, Iktos'un Makya'sı ve Ro5'in De Novo Platformu yer alır. Bu kategorideki diğer oyuncular arasında Recursion Pharmaceuticals, Deep Cure, Standigm ve diğerleri yer alır. 

Başarılı isabetler bulmak için milyarlarca molekülü eleyen yapay zekanın etkinleştirdiği ultra büyük ölçekli sanal tarama uygulaması. Ağustos 2022'de Sanofi, potansiyel olarak 1.2 milyar dolara varan bir ilaç tasarımı anlaşmasında Atomwise ile ortaklık kurdu. Sanofi'nin 20 milyon doları peşin ödeyeceği anlaşma, ABD'li şirketin AtomNet platformundan Sanofi tarafından seçilen beşe kadar uyuşturucu hedefi için küçük molekülleri araştırmak üzere yararlanmaya odaklanıyor. Konvolüsyonel bir sinir ağı tabanlı AtomNet, yapı tabanlı ilaç tasarımında öne çıkıyor ve "Atomwise'ın 3 trilyondan fazla sentezlenebilir bileşikten oluşan tescilli kitaplığının yapay zeka destekli hızlı aramasını" mümkün kılıyor. duyuru. 

2019'un başlarında Atomwise, pediatrik onkoloji alanındaki isabetleri belirlemeyi amaçlayan "dünyanın ilk ve en büyük 10 milyar bileşenli sanal ekranını" yürütmek için Ukrayna merkezli kimya lideri Enamine ile işbirliği yaptı. 

Son olarak, bazı şirketler yapay zeka destekli ilaç keşfi için yeniden kullanım stratejileri kullanıyor. Healx, BenevolentAI, BioXcel Therapeutics dahil olmak üzere bu kategorideki şirketler, büyük ölçüde doğal dil işleme (NLP) modellerini ve makine öğrenimini kullanıyor ve araştırma makaleleri ve patentler, elektronik sağlık kayıtları (EHR'ler) gibi çok büyük miktarlarda yapılandırılmamış metin verilerini analiz ederek faaliyet gösteriyor. diğer veri türlerinin yanı sıra — "bilgi grafikleri" oluşturmak ve aramak için. Bu tür AI özellikli aranabilir ontolojiler, önceden bilinen ilaç adayları ve hatta onaylanmış ilaçlar için yeni endikasyonların veya hasta popülasyonlarının seçilmesine izin verir.  

Örneğin, ABD merkezli bir klinik aşamalı biyoteknoloji şirketi olan Lantern Pharma, gelişmiş genom bilimi, makine öğrenimi ve yapay zeka kullanarak kanser ilacı geliştirme sürecini yenilemeye odaklandı. 

Şirketin yapay zeka platformu RADR®️ şu anda 25 milyardan fazla veri noktası içeriyor ve ilaç yanıtıyla ilişkili biyolojik olarak ilgili genomik imzaları hızla ortaya çıkarmak ve ardından Lantern'in ilaç adaylarından yararlanmak üzere ilgili kanser hastası alt gruplarını belirlemek için büyük veri analitiği ve makine öğrenimini kullanıyor. . RADR ®️, Lantern ve işbirlikçileri tarafından yeni ilaçların geliştirilmesi ve konumlandırılmasının yanı sıra ilacın yeniden kullanılması için de kullanılır. 

İLGİLİ: Yapay Zeka Destekli Hassas Onkolojide Lantern Pharma'nın Başarı Hikayesini Açıklıyoruz

AI, DNA kodlu kitaplıklarla buluşuyor

İlaç tasarımına biraz benzersiz bir yaklaşım, aranacak yeni moleküllerin kaynağı olarak DNA kodlu kitaplıkların (DEL'ler) kullanılmasından oluşur. DEL teknolojisi, piyasada bulunan en büyük kimyasal alana erişim sağladığından, bu büyük veri teknolojisi, yapay zeka tabanlı araçlar için doğal bir uyumdur. 

Dikkate değer anlaşma Daphne Koller tarafından kurulan, ilaç keşfi için makine öğrenimi uygulamasında önemli oyunculardan biri olan Insitro'nun Haystack Sciences'ı satın almasıyla 2020 yılında gerçekleşti. Haystack'in makine öğrenimi tabanlı platformu, geniş, çeşitli, küçük molekül koleksiyonlarını sentezleme yeteneği, yinelemeli takip yürütme yeteneği ve nDexer™ adlı tescilli yarı kantitatif tarama teknolojisi dahil olmak üzere DEL teknolojisinin birçok öğesini birleştirdi. daha yüksek çözünürlüklü veri kümeleri. 

Buna karşılık ZebiAI, 2021'de yapay zeka destekli bir ilaç keşif platformunun başka bir önemli geliştiricisi olan klinik aşamalı bir biyoteknoloji Relay Therapeutics tarafından satın alındı ​​ve Relay burada 85 milyon dolar peşin ödedi. Bu satın alma, Relay'in ZebiAI'nin makine öğrenimi tabanlı DEL teknolojisini protein hedefleme platformu Dynamo'ya dahil etmesine izin verdi.  

İLGİLİ: İlaç Keşfinde DNA Kodlu Kitaplıklar Teknolojisine İlişkin Bir Pazar İncelemesi

Ekim 2021'de X-Chem, RosalindAI ilaç keşfi için modüler çok yönlü bir yapay zeka çözümünün geliştiricisi olan Glamorous AI'yi satın aldı.

Küçük moleküllerin ötesinde yapay zeka destekli ilaç tasarımı

İlaç keşfi için uygulanan modern yapay zeka araçlarının, geçtiğimiz yüzyılın keminformatik ve erken makine öğrenimi tabanlı QSAR modellerinde derin tarihsel kökleri olduğu düşünüldüğünde, ilaç keşfindeki yapay zeka girişimlerinin ezici çoğunluğunun küçük moleküllere odaklanması şaşırtıcı değil. .  

Yapay Zeka ilaç keşif şirketlerinin ürün kategorisine göre dağılımı. Kaynak: BiopharmaTrend AI Raporu. 

Bununla birlikte, biyomolekül ilaçlar ("biyolojikler" olarak da bilinir) ve yeni kimyasal modaliteler farmasötik alanında giderek daha fazla bulunur ve bunları keşfetmek için yapay zeka tabanlı yöntemler uygulayan yeni biyoteknoloji şirketleri de öyle. Bilim adamları 2003 yılında insan genomunu kırdıktan sonra, ilaçlanabilirlik ve geliştirilebilirlik alanı hızla gelişti. Geçtiğimiz yüzyılda, Lipinski'nin beş kuralı (Ro5), "geleneksel" ilaç verilebilir hedef uzayda oral uygulama için ilaç benzeri molekül tasarımı için "kılavuz ışık" görevi görüyordu.

Buna karşılık, protein-protein etkileşimleri gibi yeni hedef türleri, geniş temas alanlı hedefler, protein-nükleik asit etkileşimleri ve hücrenin protein bozunma mekanizmasını kullanmak gibi yeni nesil hedefler, ortaya çıkan çeşitli türlerin ortaya çıkmasına neden oluyor. moleküler modaliteler, yani Ro5'in (bRo5) ötesindeki küçük moleküller (protein-protein etkileşim modülatörleri, protein hedefli kimeralar (PROTAC'ler), monoklonal antikorlar (mAb'ler), peptitler ve peptidomimetikler ve nükleik asit bazlı modaliteler (RNA ve DNA- dayalı), ilaç keşfinde önemli bir odak noktası haline geldi.  

İLGİLİ: Terapötik Yöntemlerin "Patlaması": Küçük Moleküller, Biyolojikler ve Aradaki Her Şey,

Örneğin, şimdiye kadar ticari olarak en başarılı biyolojik yöntem olan yeni monoklonal antikorları keşfetmek için yapay zeka yöntemlerini uygulayan şirketlerin sayısı giderek artıyor. Nisan 2022'de İsrail merkezli Biolojic Design, hesaplamalı olarak tasarlanmış ilk antikorunu duyurdu. klinik deneye girdi. Şirket, yapıya dayalı bir tasarım stratejisinden yararlanır. AI modeli, mevcut insan antikorlarından ilgili hedefe karşı bir şablon antikor tanımlamak için milyonlarca antikor-antijen çifti üzerinde eğitilmiştir. Mutasyonları tahmin etmek ve özelliklerini iyileştirmek için şablonun optimizasyonuna rehberlik etmek için ek bir makine öğrenimi modeli kullanılır. 

Kasım 2022'de Kanada merkezli AbCellera Biologics, Regeneron'un, AbCellera'nın açıklanmayan bir G-protein eşli reseptörü (GPCR) hedef alan terapötik antikor adaylarından ilkini klinik öncesi geliştirmeye ilerletme hakkını kullanmayı seçtiğini duyurdu. Mart 2020'de başlayan ve Regeneron tarafından seçilen dört keşif programına izin veren ortaklık, yeni terapötik antikorları belirlemek için AbCellera'nın yapay zeka tabanlı antikor keşif motorundan ve Regeneron'un VelocImmune® farelerinden yararlanıyor. 

ABD merkezli AbSci, BigHat Biosciences, Totient, Nabla Bio ve Generate Biomedicine; Kanada merkezli Deep Biologics; Çin merkezli NeoX; AB merkezli Deep CDR, Natural Antibody ve MabSilico, vb.  

Akılda kalıcı adı Creyon Bio olan ABD merkezli şirket, yeni oligonükleotid bazlı ilaçlar (OBM'ler) oluşturmak için bir mühendislik yaklaşımı uyguluyor. Şirket 2019'da kuruldu ve Mart 40'de 2022 milyon dolarlık fon topladı. 2014'te Cold Spring Harbor Laboratuvarı'nın bir yan ürünü olarak kurulan Envisagenics, RNA terapötiklerini keşfetmeye odaklanan New York merkezli bir şirkettir. Belirttikleri misyona göre, AI/ML teknolojileri yardımıyla biyomedikal verilerin karmaşıklığını azaltmayı hedefliyorlar. Kısa bir süre önce, Ağustos 2022'de Ulusal Kanser Enstitüsü'nden bir hibe aldılar ve toplamda 27.1 milyon dolarlık bir fon sağladılar. 

Envisagenics'in yapay zeka güdümlü teknolojisi SpliceCore, RNA dizileme verilerinden ekleme keşfi yoluyla ilaç hedeflerini ve biyobelirteçleri tahmin etmek için deneysel olarak doğrulanmış bulut tabanlı bir platformdur. Şirkete göre geleneksel yöntemlere göre daha yüksek hassasiyet ve hız sağlıyor. 

Innophor'un yeni terapötik enzimler tasarlamaya yönelik yapay zeka odaklı stratejisi, patentli Catalophor™ teknolojisinin en yeni geleneksel biyoinformatik yaklaşımlar ve yapay zeka ile birleştirilmesiyle gerçekleştirilir. Innophor, fizikokimyasal özelliklerin nokta bulutları tarafından tanımlanan "kataloforlar" (yani, katalitik fonksiyonun taşıyıcısı) adı verilen üç boyutlu (3B) arama şablonlarını kullanarak yapısal ve sekans veritabanlarında madencilik yapabilir. Bu teknikle tanımlanan yeni enzimler, kullanılan muadilleri ile zorunlu olarak ortak bir yapı veya dizi bazını paylaşmazlar. Bu nedenle, termostabilite, sağlamlık, substrat spektrumu, seçicilik ve özgüllük gibi potansiyel olarak değiştirilmiş protein özelliklerine sahiptirler. 

Innophor'un teknolojisi, yeni enzimler tasarlamanın yanı sıra, virüslerdeki potansiyel olarak tehlikeli mutasyonları koruyarak epidemiyolojik uygulamalar için potansiyel olarak bir oyun değiştirici olabilir. Innophor, 2021'de AWS Diagnostic Development Initiative ile iş birliği içinde virus.watch projesini başlattı. Bu projenin amacı, ortaya çıkan ilaç ve hastalıkla ilgili Coronavirüs (SARS-CoV-2) varyantları için bir izleme ve değerlendirme sisteminin uygulanmasıydı. İlk ortak belge, yayınlanan Ağustos 2022'de Nature'da, vahşi tip bir referansa kıyasla Omicron B.2 spike RBD için daha yüksek hACE2 reseptörü bağlanma afinitesini ortaya çıkaran SARS-CoV-1.1.529 varyantlarının biyoinformatik analizini açıklamaktadır.

Innophore teknolojisi ve AWS kullanılarak zaman içinde gelişen virüsün izlenmesi, Omicron değişkeniyle ortaya çıkan yüksek oranda mutasyon gösteriyor. Küreler, karşılık gelen amino asit kalıntısının alfa-C-atomlarını gösterir. Hem renk hem de boyut, her konumdaki mutasyon sayısıyla ilişkilidir.

2008 yılında kurulan Danimarka merkezli Evaxion Biotech, kendisini kansere ve bulaşıcı hastalıklara karşı aşı geliştirmeye adamış yapay zeka odaklı bir şirkettir. Öngörü modelleri oluşturmak için AI teknolojisini mühendislik uzmanlıklarıyla birleştiren ve hastalar için benzersiz immünoterapilerin belirlenmesine yardımcı olan klinik aşamalı bir AI-İmmünoloji platformuna sahipler. Evaxion Biotech, tek bir yatırımcı Lincoln Park Capital Fund tarafından yönetilen, Haziran 57'de 2022 milyon $ değerinde halka arz sonrası öz sermaye finansman turuna girerek toplam 40 milyon $ çekti. 

İLGİLİ: Biyoloji Tasarımı İçin Yapay Zekayı Uygulayan 10 Şirket

Exscientia gibi "kimyasal modaliteler kulübü"nden bazı yapay zeka şirketleri artık biyolojik keşiflere doğru genişliyor. Kasım 2022'de şirket, AI platformunun insan antikorlarının tasarımını içereceğini duyurdu. Exscientia ayrıca, yeni antikorları dahili olarak üretmek ve profilini çıkarmak için Oxford'da otomatik bir biyolojik laboratuvar kuruyor.

Artan bir eğilim, kötü huylu proteinlerden kurtulmak ve hastalıkları iyileştirmek için insan hücrelerinin protein bozunma sisteminden yararlanmaktır. Burada popülaritesi artan bir modalite, kimerayı hedefleyen proteolizdir (PROTAC) 2001'de tanıtıldı ve esnek bir bağlayıcı ile bağlanan iki liganddan oluşuyor. Modern PROTAC'ların birincil kimyasal mimarisi aynıdır: bir ligand, eski proteinleri proteazoma gönderen bir bileşen olan E3 enzimini hedefler ve başka bir ligand, parçalanması gereken bir ilgili proteini (POI) hedefler. Bir PROTAC, E3 ve POI'yi birbirine bağlayarak indüklenmiş bir yakınlık kompleksi oluşturmak için onları yakınlaştırır. Bazı durumlarda, proteinler uygun şekilde hizalandığında, POI proteazom tarafından bozunması için onu işaretleyen her yerde bulunur.

Protein bozulmasına yönelik bir başka geniş yaklaşım, aktif olarak büyüyen bir araştırma alanı olan "moleküler yapıştırıcılar" olarak adlandırılanları içerir. PROTAC'ların aksine, iki aktif bölgeye ve bir bağlayıcıya sahip nispeten büyük iki işlevli küçük moleküller olan moleküler yapıştırıcılar daha küçük ve daha ilaca benzer moleküllerdir. İkincisi, moleküler yapıştırıcı molekülünün etkisi nedeniyle yakınlaşan iki ayrı proteinden kaynaklanan bir toplam protein cebine bağlanır.

Protein bozunma (ve daha geniş olarak - modülasyon) alanında, aşağıdakiler de dahil olmak üzere bir şirketler dalgası vardır: Arvinas, Nurix Terapötikleri, Kymera Terapötikleri, C4 Therapeutics, Roivant Discovery, Cedilla Therapeutics ve Lycia Therapeutics bunlardan birkaçıdır.

Bazı şirketler, yakınlığa neden olan bileşikler tasarlamak için en son yapay zeka algoritmalarını uyguluyor. Örneğin, Avusturya ve ABD merkezli Celeris Therapeutics, Xanthos, Hephaistos ve Hades olmak üzere üç çalışma bölgesi sistemi içeren Celeris One platformunu inşa etti. Sistemler, moleküler özellikleri, moleküler dinamikleri ve serbest enerji hesaplamalarını iyileştirmek için bağlayıcı ve çok amaçlı optimizasyon gibi yeni kimyasal madde oluşturmak için etkileşimleri ve üretken modelleri tahmin etmek için grafik sinir ağlarını birleştirir. İş akışı ayrıca geometrik derin öğrenme ve makine öğrenimi odaklı retrosentez yeteneklerinden yararlanır. Celeris Therapeutics, biyoloji verileri oluşturmak ve özel kimyasal sentezler yapmak için otomatikleştirilmiş bir laboratuvar işletiyor. 

Celeris Therapeutics'in yapay zeka odaklı platformu Xanthos'un kuru laboratuvar iş akışı.

Yakın zamanda bir gönderide protein bozunma pazarına geniş bir genel bakış yayınladık. Protein Bozucular Endüstriyi Fırtına Eder, dahil olan hesaplama platformlarına teknik bir genel bakış ile birkaç vaka çalışması dahil. 

AI tarafından geliştirilen ilaç adaylarının ilk dalgası klinik hale geliyor

İlaç endüstrisinde AI'nın benimsenmesinin ilaç keşfinde tamamen devrim yarattığını söylemek için muhtemelen erken olsa da, birkaç "AI-yerli" şirket, terapötik boru hatlarını hızla inşa etmede dikkate değer bir verimlilik elde etmeyi başardı. Bu tür şirketlerin ortak özelliği nedir? Her biri, birçok model ve veri kaynağı dahil olmak üzere özel, son derece entegre bir yapay zeka platformu oluşturdu. Chemistry42 gibi bazı platformlar harici Ar-Ge ortaklarına hizmet olarak yazılım olarak da sunulmaktadır.

Sektörün "önce dijital" stratejisinden yararlanmanın en canlı örneklerinden biri, yalnızca araştırmalarına en son yapay zeka analitiğini dahil etmeyi başarmakla kalmayan, aynı zamanda üretim ve dağıtım da dahil olmak üzere Ar-Ge iş akışının her yönünü dijitalleştiren ve entegre eden Moderna Therapeutics'tir. 19'nin başında COVID-2020 salgını dünyayı vurduğunda, Moderna sadece 2 gün içinde (!) etkili bir mRNA bazlı aşı bulan ve bir yıl içinde pazara sunabilen ilk şirketler arasındaydı.  

Yapay zeka tarafından sağlanan bir terapötik keşif başarısı dalgası, yapay zeka yerli şirketlerinin ilaç adaylarını genellikle benzer programlar için kullanılandan daha hızlı bulma becerisini gösteriyor. 

Görüntüle “Yapay Zeka Tarafından Tasarlanan İlaç Adaylarının Yol Haritası”

AbCellera'nın monoklonal antikoru LY-CoV555, üç ay içinde geliştirildi ve FDA tarafından acil kullanım izni aldı. 

BenevolentAI'nin Bilgi Grafiği, şirketin birkaç gün içinde Baricitinib'i etkili bir COVID-19 antiviral olarak tanımlamasına yardımcı oldu (artık kullanımı FDA tarafından onaylandı). Ülseratif kolit ve Dermatiti tedavi etmek için yeni bir inhibitör olan başka bir küçük moleküllü BEN-8744, 24 aydan kısa bir süre içinde geç preklinik çalışmalara ilerletildi. 

Exscientia'nın küçük moleküllü inhibitörü EXS-21546, immüno-onkoloji için insan klinik deneylerine giren (şu anda Faz I'de) yapay zeka tarafından tasarlanmış ilk molekül oldu ve sadece sekiz ayda keşfedildi. Şirketin klinik denemelerde olan birkaç başka molekülü var. 

Insilico Medicine'nin İdiyopatik Pulmoner Fibrozu tedavi etmek için küçük moleküllü inhibitörü ISM001-055, baştan tasarlandı ve 18 ay içinde (şu anda Faz I'de) geç preklinik çalışmalara girdi.  

New York merkezli Schrodinger, B hücreli lenfomayı on ay içinde tedavi etmek için küçük bir molekül SGR-1505 geliştirdi ve şu anda IND uygulama sürecinde. 

Salt Lake City merkezli Recursion Pharmaceuticals, 18 ay içinde belirtilmemiş nadir bir hastalık için bir ilaç adayı geliştirdi. Şirket, dijital biyoloji platformunun yardımıyla tasarlanmış geniş ve çeşitli preklinik ve klinik ilaç adayları portföyüne sahiptir. 

Toronto merkezli Deep Genomics, nadir görülen bir kalıtsal Wilson hastalığını tedavi etmek için yeni bir genetik hedef ve karşılık gelen bir oligonükleotit ilaç adayı DG12P1 geliştirmek için AI Workbench platformunu kullandı.

Yapay zeka tarafından geliştirilen önde gelen klinik ilaç adaylarını takip etmek için “Yapay Zeka Tarafından Tasarlanan İlaç Adaylarının Yol Haritası” hangi düzenli olarak güncellenecektir. 

İlaç keşfi için yapay zekaya devam eden medya ilgisine bir ihtiyat merceğinden bakılması gerektiğine dikkat edilmelidir. Örneğin, BenevolentAI'nin atopik dermatit ilacı adayı BEN-2293'ü geride bırakma planı, AI etkin pan-Trk inhibitörünün bir faz 2a denemesinde egzama semptomlarını veya kaşıntıyı iyileştirememesi nedeniyle bir aksilik yaşadı. Şirket daha önce tropomiyosin reseptör kinazlarını (Trk), atopik dermatitte kaşıntı ve iltihaplanma aracıları olarak tanımlamış ve bu da Trk inhibitörlerinin gelişmesine yol açmıştı. BEN-2293, bir faz 1b denemesinde klinik olarak anlamlı bir etkiye doğru bir eğilim gösterse de, faz 2a denemesi, egzama şiddetini veya kaşıntıyı iyileştirmede plasebodan daha iyi olmadığını ortaya koydu. Sonuç, yaklaşımı öneren yapay zeka özellikli platform hakkında soruları gündeme getiriyor. Gerilemeye rağmen BenevolentAI, tedavinin başlangıçta daha fazla hastalığı olan hastalarda daha iyi performans gösterdiğine dair kanıtlara atıfta bulunarak ilaç adayından vazgeçmedi. Şirket şu anda sonraki adımlarını belirlemeden önce verileri gözden geçiriyor.

İlaç keşif alanındaki en "üretken" yirmi yapay zeka şirketi

BiopharmaTrend AI Raporunda 130'den fazla AI şirketinden yaklaşık 380 şirketi kısa listeye aldıktan sonra, şirketlerin klinik ve preklinik ardışık düzenlerini, hedef bulma becerisini ve zamanı dikkate alan basit ama sağlam bir değerlendirme formülü kullanarak 20 şirket daha seçtik. iş hayatında Seçilen 20 şirket, BPT20: İlaç Keşfi Verimlilik Endeksi'nde Yapay Zeka — de novo ilaç tasarımı, sanal tarama veya ilacın yeniden kullanılması için yapay zeka uygulamasını destekleyen şirketleri vurgulamak için endüstrinin ilk referans noktası. 

Geleceğin AI ve robotize laboratuvarları

Derin öğrenme modelleri (örneğin, derin sinir ağlarına dayalı) son derece "veriye aç"tır, yani yapay zeka ne kadar iyi olursa olsun, anlamlı araştırma tahminleri için eşit derecede önemli olan verilerin kalitesi ve boyutudur. Yüksek kaliteli biyoloji verileri üretmenin en etkili yolu robotik kullanmaktır. İlaç keşfinin yapay zeka güdümlü modern dönüşümünü adım adım ilerleyen bir süreç olarak düşünürsek, yaygın olarak bulunur ve nispeten uygun maliyetlidir.bir hizmet olarak obotik, yapay zekanın etkin olduğu sistemdeki son ve kritik parça olacaktır. ilaç ve biyoteknoloji araştırmalarının sanayileşmesi. Arctoris tarafından hazırlanan bir rapora göre, "Robotik, kapalı döngü keşif paradigmasının gerçeğe dönüşmesine izin vermenin anahtarıdır - bu, önümüzdeki yıllarda izlenmesi heyecan verici bir alan olacaktır." 

Bazı şirketler, yapay zeka tabanlı deney kontrol sistemleri tarafından yönlendirilen ve yapay zeka güdümlü veri madenciliği ve analitik yetenekleriyle desteklenen standartlaştırılmış, yüksek oranda otomatikleştirilmiş, ölçeklenebilir ve giderek daha uyumlu laboratuvar tesisleri inşa ediyor. Bu tür "yeni nesil" laboratuvar tesisleri, klinik öncesi deneyleri daha ölçeklenebilir ve standartlaştırılmış bir rutin haline getirerek, klinik öncesi ilaç araştırma deneycileri tarafından uzaktan kullanılabilir hale geliyor. Listedeki önde gelen uzak laboratuvar sağlayıcıları, birkaç isim vermek gerekirse, Automata Labs, Strateos, Emerald Labs ve Culture Biosciences'dır. 

Alan, risk sermayesi ve müşterileri çekiyor. Örneğin, Şubat 2022'de İngiltere merkezli Automata Labs, laboratuvar araştırma sürecini otomatikleştirmek için 50 milyon dolar topladı. Temmuz 2021'de Strateos, SmartLab platformunu ve dünyanın dört bir yanındaki klinik öncesi araştırmacıların kullanımına sunulan uzaktan robotlu, otomatikleştirilmiş teknolojisini daha da geliştirmek için 56 milyon dolar topladı. Culture Biosciences, Kasım 100'de duyurulan en son 80 milyon $'lık B Serisi ile toplamda 2021 milyon $'dan fazla para topladı. San Francisco merkezli Emerald Cloud Labs (ECL), yıllar içinde 90 milyon $'dan fazla para topladı. ECL'nin ilk kullanıcıları robot platformunu kaldırır %300 ila %700 iyileştirme bildirdi araştırma verimliliğinde. Haziran 2022'de Pekin merkezli MegaRobo, çeşitli otomatik yapay zeka odaklı uzak laboratuvar hizmetleri ve robotlu tesis yelpazesini genişletmek için 300 milyon dolar topladı. 

Uzak robotlu laboratuvarların yükselişi, uzun vadeli bir endüstri trendi, veri merkezli "önce yapay zeka" araştırma stratejilerinin uzun vadede benimsenmesi için son derece faydalı olacak sözleşmeli araştırma hizmetleri sunmanın yeni bir yolu. 

Arctoris, Recursion Pharmaceuticals, Insitro ve Generative Bio gibi birçok yapay zeka güdümlü ilaç keşfi şirketi bu eğilime farklı bir iş modeliyle yaklaşıyor. AI modelleri ve terapötik ilaç adaylarının boru hatlarını oluşturma.

Örneğin, 2016 yılında kurulan Oxford merkezli Arctoris, geniş ölçekte üstün kaliteli veriler üreten, Arctoris'in veri gölünü besleyen ve şirketin yapay zeka güdümlü karar alma platformu Ulysses'e güç sağlayan tam otomatik bir ıslak laboratuvar inşa etti. hedefi vurmak, yönlendirmek ve IND uygulama aşamasına geçmek.  

Arctoris'in boru hattı artık Onkoloji ve Nörolojide birkaç preklinik program içermektedir. Arctoris, Future Planet Capital, RT Ventures ve Formic Ventures dahil olmak üzere yatırımcılardan çeşitli turlarda toplam 10.3 milyon $ topladı. 

Exscientia ve Insilico Medicine gibi bazı önde gelen yapay zeka ilaç keşif şirketleri artık dahili veri oluşturma "kaslarını" oluşturmak için şirket içi robotize laboratuvarlar da kuruyor. 

Salt Lake City merkezli Recursion Pharmaceuticals, robotize biyoloji deney alanında liderler arasındadır. Şirketin Recursion Operation System adlı yapay zeka destekli altyapısı, terapötik programları başlatmak veya hızlandırmak için yeni içgörüler oluşturmak üzere tescilli şirket içi veri üretimi ile gelişmiş hesaplama araçlarını birleştiren entegre bir kapalı döngü sistemidir. Şirket, klinik öncesi biyoloji deneylerini geniş ölçekte otomatikleştiriyor. Örneğin, hücresel mikroskopi görüntüleri, hücresel morfolojideki bileşik değişiklikleri yakalar ve şirketin yapay zeka destekli bilgisayar görüş sistemleri tarafından işlenir. 2017'den bu yana, Recursion Pharmaceuticals fenomik platformunun kapasitesini her yıl yaklaşık olarak iki katına çıkardı ve yürütülen fenomik deneylerin sayısını her hafta 2.2 milyona çıkardı ve ~19 petabayt özel yüksek boyutlu veri sağladı.

AI ile klinik deneme darboğazlarında gezinme

Klinik araştırma, ilaç geliştirme iş akışının kritik bir aşamasıdır ve tahmini ortalama başarı oranı yaklaşık %11 1. Aşamadan onaya doğru ilerleyen ilaç adayları için. İlaç adayı güvenli ve etkili olsa bile, klinik deneyler başarısız olabilir. yetersiz finansman, yetersiz kayıt veya zayıf çalışma tasarımı. 

Yapay Zeka (AI) giderek bir fırsat kaynağı olarak algılanıyor klinik deneylerin operasyonel verimliliğini artırmak ve klinik geliştirme maliyetlerini en aza indirmek. Tipik olarak AI tedarikçileri, hizmetlerini ve uzmanlıklarını üç ana alanda sunar. İlk alandaki AI girişimleri, Doğal Dil İşleme (NLP) uygulayarak bilimsel makaleler, tıbbi kayıtlar, hastalık kayıtları ve hatta tıbbi iddialar gibi farklı veri kaynaklarından gelen bilgilerin kilidini açmaya yardımcı olur. Bu, hasta alımını ve sınıflandırmayı, yer seçimini destekleyebilir ve klinik çalışma tasarımını ve hastalık mekanizmalarının anlaşılmasını geliştirebilir. Örnek olarak, klinik çalışmaların yaklaşık %18'i yetersiz katılım nedeniyle başarısız olmaktadır. Bir 2015 çalışması bildirilmiştir.

Klinik deneylerdeki başarının bir başka yönü de gelişmiş hasta sınıflandırmasıdır. Deneme hastaları pahalı olduğu için – bir hastayı kaydetmenin ortalama maliyeti $ 15,700-26,000 2017'de - hangi hastanın tedaviden daha önemli fayda veya risk alacağını tahmin edebilmek çok önemlidir. Yapay zeka odaklı şirketler, popülasyon heterojenliğini azaltmak ve klinik çalışma gücünü artırmak için Elektronik Sağlık Kayıtları (EHR), omikler ve görüntüleme verileri gibi birden çok veri türüyle çalışır. Satıcılar, nörolojik hastalık ilerlemesini belirlemek için konuşma biyobelirteçlerini, tedavi ilerlemesini izlemek için görüntüleme analizlerini veya daha şiddetli semptomları olan hastaları belirlemek için genetik biyobelirteçleri kullanabilir.

AI ayrıca klinik deneylerin operasyonel süreçlerini de kolaylaştırıyor. Yapay zeka sağlayıcıları, hastaların sağlığını evlerinden takip etmeye, tedavi yanıtını ve hastanın deneme prosedürlerine bağlılığını izlemeye yardımcı olur. Yapay zeka şirketleri bunu yaparak, hasta bırakma riskini azaltır. %30 ortalamada. Genellikle Faz 3 klinik çalışma aşaması şunları gerektirir: 1000-3000 katılımcılar, bir kısmı plasebo alıyor. Bu yüzden gelişimi sentetik kontrol kolları – Bireylerin plasebo-kontrol gruplarının yerini alabilecek, böylece klinik deneyler için gerekli bireylerin sayısını azaltabilecek AI modelleri yeni bir trend haline gelebilir.

BiopharmaTrend AI Raporuna göre Owkin, PathAI, GNS Healthcare, Neurcuit, AICure ve Unlearn.ai dahil olmak üzere her üç kategoride de 80'den fazla şirket var. 

İLGİLİ: Klinik Araştırmalarda 8'te Dikkate Alınacak 2022 Önemli Yapay Zeka Şirketi

Biyoteknolojideki genel soğuk yatırım ortamına rağmen, AI özellikli klinik deneme platformlarına ve bu alandaki yatırımlara olan talep yüksektir. 

Mart 2022'de ConcertAI, kanser araştırmalarına yönelik yazılımını ve gerçek dünya verilerini (RWD) çözümlerini ölçeklendirmek için 1.9 milyon dolarlık bir C serisi raundunu bankaya yatırdıktan sonra 150 milyar dolarlık bir değer elde etti. 

Saama, 1997'de kurulmuş Silikon Vadisi merkezli bir şirkettir, ancak ilk risk sermayesini 2015'te toplamıştır. Şirket, Carlyle ve Merck, Pfizer, Amgen, McKesson ve diğerlerinden girişim fonları.

Saama, yapay zeka odaklı klinik deney analitiği alanındaki lider oyunculardan biridir ve çok çeşitli çözümler sunar: gerçek zamanlı veri işleme yetenekleri de dahil olmak üzere merkezi veri analitiği ve kontrol merkezi yoluyla hızlandırılmış klinik deneyler; otomatikleştirilmiş veri kalitesi yetenekleri; Farmakovijilans analitiği ve sunumları da dahil olmak üzere kolaylaştırılmış düzenleyici sunum yetenekleri.  

Nisan 2022'de, klinik deneyler için bir "dijital ikiz" hizmeti geliştiren bir girişim olan Unlearn.AI, 50 milyon dolar topladı.   

Haziran 2022'de Bristol Myers Squib $ 80 milyon yatırım yaptı OWKIN'de - son nokta tanımlarındaki iyileştirmeler, hasta alt gruplarını belirleme ve tedavi etkilerini tahmin etme ile kardiyovasküler ilaç denemelerinin tasarımını geliştirmeye yardımcı olmak için. Paris ve New York merkezli "unicorn" OWKIN, klinik deney tasarımını ve sonuçlarını iyileştirmek için hasta alt popülasyonları üzerindeki çeşitli tedavi etkilerini doğru bir şekilde tahmin etmek için yüksek kaliteli çok modlu veri erişimimizden ve son teknoloji makine öğreniminden yararlanıyor. OWKIN, yapay zeka platformunu uyuşturucu keşfi için de uyguluyor. 

Ağustos 2022'de Bristol Myers Squibb, AI patoloji uzmanı PathAI ile çok yıllı genişletilmiş bir işbirliği anlaşmasını da duyurdu. Bu uzatılmış anlaşma kapsamındaki ilk çalışma, genel olarak bunları klinik deneylere yönlendirme hedefiyle onkoloji, fibrozis ve immünolojideki anahtar translasyonel araştırmalara odaklanacaktır. İki ay önce PathAI, PathAI'nin AIM-NASH aracının kullanımı da dahil olmak üzere PathAI'nin dijital patoloji teknolojilerinden yararlanarak onkoloji ve alkolsüz steatohepatitte (NASH) bilimsel araştırma ve ilaç geliştirme programlarını hızlandırmak için GlaxoSmithKline ile çok yıllı stratejik bir ortaklık kurdu.  

Özellikle, Dublin'deki Akkure Genomics az önce duyuruldu insanların kendileri ve durumları hakkındaki verilere dayalı olarak en alakalı klinik araştırmalara katılmalarına yardımcı olan yapay zeka platformu aracılığıyla klinik denemeleri desteklemek için bir haftada 1 milyon € kitlesel fon sağladı.

Sözleşmeli araştırma endüstrisinde yapay zeka

Klinik öncesi ve klinik alanlarda yeni yapay zeka yerli sözleşmeli araştırma şirketlerinin ortaya çıkışı, büyük köklü sözleşmeli araştırma kuruluşlarının (CRO'lar) statükosuna meydan okuyor. İlaç sektörüne sundukları hizmetlere yapay zekayı dahil ederek veya araştırma kapasitelerini tamamlamak için yapay zeka şirketleriyle ortaklık kurarak yanıt veriyorlar. 

İLGİLİ: Gelişen İlaç Ar-Ge Dış Kaynak Sektörü: Kuş Bakışı. 

Örneğin, ABD merkezli bir erken aşama sözleşmeli araştırma kuruluşu olan Charles River Labs, bir yapay zeka kurarak yapay zekanın derinliklerine iniyor. Valo Health ile çok yıllık ortaklık. Charles River, programlar geliştirildikçe aktif olarak öğrenen Valo'nun Opal teknolojisini ekler. Charles River, Opal derin öğrenme platformunu kullanımının, de novo molekül tasarımından müşteri adayı optimizasyonuna kadar daha hızlı ve daha etkili bir süreçle sonuçlanacağını umuyor. Geçen yıl, Charles River bir stratejik ortaklık CRO'nun müşterilerine moleküler özellik tahmini, üretken kimya ve çok parametreli optimizasyon için Valence'in yapay zeka platformuna erişim sağlayan Valence Discovery ile.

IQVIA, müşterilerine sunduğu klinik deneylere ve ticari faaliyetlere değer katmak için yıllardır yapay zeka yeteneklerine yatırım yapıyor. IQVIA gibi klinik deneyleri iyileştirmek için başlattı 2020'de Avacare Clinical Research Network™, sitelerin denemeler için hastaları daha hızlı ve daha verimli bir şekilde eşleştirmesine olanak sağladı. Platform, AI algoritmaları tarafından desteklenmektedir ve 19 hastalık alanında çalışabilir. Daha önce, başka bir IQVIA Linguamatics Natural Language Processing (NLP) platformu, Questex'in 2019 Şiddetli Yenilik Ödüllerini kazandı. Platform, sağlık ve yaşam bilimlerinde hedef belirleme, gen haritalama, hasta sonuçlarını tahmin etme vb. dahil olmak üzere geniş uygulamalara sahip olabilir.

Klinik araştırma endüstrisinde önemli bir trend devam ediyor sanal klinik deneyler8 milyar dolarlık bir pazar. COVID-19 salgını, ilaç şirketlerini denemelerin devam etmesini sağlamak için uzaktan izlemeye, iyileştirilmiş hasta kaydına, hasta katılımını takip eden uygulamalara, teletıp, yerelleştirmeye ve diğer önlemlere geçmeye zorladı. Bu tür çözümlere yönelik talep önemli ölçüde arttığından, CRO'lar hizmet tekliflerine sanal ve merkezi olmayan yetenekler eklemek için acele ettiler. AI teknolojisi, verileri sentezlemeye ve klinik deneme süreçlerini hızlandırmaya yardımcı olmak için bu tür projelerin oluşturulmasında ve yürütülmesinde paha biçilmez olduğunu kanıtladı. 

Teknoloji devleri ilaç keşfi ve biyoteknolojinin peşine düşüyor

Alphabet'in DeepMind ve Meta'sının, derin öğrenme ve dil modelleri kullanarak geniş ölçekte protein yapılarını tahmin etmek gibi temel biyoloji araştırma bilmecelerini çözmede daha önce belirtilen başarıları, buzdağının sadece görünen kısmı: neredeyse her önde gelen teknolojik dev artık yaşam bilimleri işinde. , bir şekilde. 

Alphabet (Google'ın bir ana şirketi), yapay zeka tabanlı reaktif arama motoru BenchSci, Çin merkezli yapay zeka ve ilaç keşif şirketi XtalPi'deki kuantum fiziği, kişisel genomik şirketi 23andMe ve yapay zeka odaklı ilaç geliştirme dahil olmak üzere yaşam bilimi projelerine düzinelerce yatırıma sahiptir. tek boynuzlu at OWKIN birkaç isim. 2021'de Alphabet, DeepMind ile birlikte, temel biyoloji ve ilaç keşfini çözmek için yapay zekayı uygulamaya odaklanmak üzere Isomorphic Labs'ı başlattı. 

Farmasötik araştırma ve biyoteknoloji alanındaki diğer birçok proje ve faaliyetin yanı sıra Alphabet, Yaşam Bilimleri ve MedTech'e adanmış Verily adında tam ölçekli bir varlığa sahiptir. 

Küresel bir yazılım geliştiricisi olan Microsoft, altyapılarını büyük ölçekli makine öğrenimi modellerini kullanarak büyük verileri işlemek için sağlayan büyük ilaç şirketleri ile düzinelerce araştırma işbirliğiyle Yaşam Bilimleri alanında derin bir ayak izine sahiptir. En son Microsoft girişimleri arasında MoLeR modeli, şirketin üretken kimya ekibi tarafından Novartis ile işbirliği içinde geliştirilen yeni bir araç. MoLeR modeli - diğer üretken araçların aksine - üretici süreç için bir başlangıç ​​temeli görevi gören belirli bir yapı iskelesine dayalı yeni yapılar ortaya çıkarmak için derin öğrenmeyi kullanır. Başka bir örnek ise AI4Bilimbilimin sözde "beşinci paradigması" vizyonunu gerçekleştirmek için hesaplamalı kimya, kuantum fiziği, makine öğrenimi, moleküler biyoloji, akışkanlar dinamiği ve yazılım mühendisliğini birleştiren yeni bir Microsoft girişimi. 

İLGİLİ: “Büyük Teknoloji” İlaç Pazarlarını Nasıl Yavaş Yavaş Kazanıyor? 

Bu bağlamda özellikle aktif bir şirket, oyun endüstrisi ve kişisel bilgisayarlar için bir donanım üreticisi olan NVIDIA'dır. Bu teknoloji şirketi; genomik, proteomik, mikroskopi, sanal tarama, hesaplamalı kimya, görselleştirme, klinik görüntüleme ve doğal dil işleme (NLP). Mart 2022'de şirket, tıbbi cihaz endüstrisinin uçta gerçek zamanlı yapay zeka uygulamaları geliştirmesi ve devreye alması için gerekli düzenleyici standartları karşılamak üzere özel olarak tasarlanmış bir platform olan Clara Holoscan MGX™'i tanıttı. Clara Holoscan, tıbbi cihaz endüstrisinde inovasyonu hızlandırmak için hepsi bir arada, tıbbi sınıf referans mimarisinin yanı sıra uzun vadeli yazılım desteği hedefliyor.

İlaç keşfinde AI'nın geleceği: her şey "kuantum" 

İlaç keşfi ve biyoloji araştırması için kullanılan yazılım araçlarının çoğu, moleküllerin basitleştirilmiş bir temsili olan moleküler mekaniğe dayanır ve esasen onları "toplara ve çubuklara" (atomlar ve aralarındaki bağlara) indirger. Bu şekilde hesaplamak daha kolaydır, ancak doğruluk büyük ölçüde zarar görür. Yeterli doğruluk elde etmek için, atomların ve moleküllerin elektronik davranışlarının açıklanması gerekir, yani atom altı parçacıkların -elektronlar ve protonlar- dikkate alınması gerekir. Kuantum mekaniği (QM) yöntemlerinin konusu budur - ve 20. yüzyılın ilk on yıllarına dayanan teori yeni değildir.  

Bununla birlikte, kuantum yöntemleri son derece hesaplama açısından maliyetlidir - ve son on yıllara kadar, kuantum teorisinin şeylerin pratik tarafını etkilemesi için engelleyici bir engeldi. Mevcut bilgi işlem gücünün üstel büyümesi nedeniyle, kuantum yöntemleri nihayet bilim adamlarının elinde değerli araçlar haline geliyor. 

Birkaç şirket, ilaç keşif sistemlerinin modelleme yeteneklerini önemli ölçüde geliştirmek için makine öğrenimi ile kuantum teorisini birleştiriyor. Örneğin, Sequoia China, Tencent ve Google tarafından desteklenen Çin ve ABD merkezli bir teknoloji şirketi olan XtalPi'deki bilim adamları, kuantum mekaniği, yapay zeka ve yüksek performansı birleştiren Akıllı Dijital İlaç Keşfi ve Geliştirme (ID4) platformunu oluşturdular. bulut bilişim algoritmaları. ID4, küçük moleküllü ilaç adaylarının fizyokimyasal ve farmasötik özelliklerinin yanı sıra ilaç Ar-Ge'sindeki kritik unsurlar olan kristal yapılarının yüksek hassasiyetle tahmin edilmesini sağlar.  

Bu alanı ileriye taşıyan bir diğer şirket ise Paris merkezli Aqemia. Şirket, kuantum ve yapay zekayı (AI) birleştirerek kurşun benzeri moleküllerin yapı tabanlı tasarımına odaklanıyor. Bir bileşik ile terapötik bir hedef arasındaki yakınlığı doğru bir şekilde ve rakiplerinden 10,000 kat daha hızlı tahmin eden, kuantumdan ilham alan benzersiz bir istatistiksel mekanik algoritması. Aqemia'nın yapay zekası, yakınlık tahmin edicisinden geri bildirim alarak artan doğrulukla bileşikler üretebilir.

Son olarak, iki temel yazılım paketi aracılığıyla ilaç tasarımını geliştirmek için kuantum teorisini uygulayan, hesaplamalı bir şirket olan Barselona merkezli Pharmacelera var: PharmScreen ve PharmQSAR. İlk araç, etkileşim alanlarına dayalı yüksek hassasiyetli bir 3B ligand hizalama algoritması kullanarak doğru bir ligand tabanlı sanal taramaya izin verir. Potansiyel müşteriler arasında klasik yöntem ve araçlara göre daha yüksek bir çeşitlilik oranı oluşturabilir. İkincisi — PharmQSAR, CoMFA/CoMSIA çalışmalarını gerçekleştirmek için çoklu etkileşim alanlarının bir kombinasyonunu sağlayan bir 3D kantitatif yapı-aktivite ilişkisi (QSAR) aracıdır.

İLGİLİ: İlaç Keşfini Hızlandırmak İçin Kuantum Teorisini Kullanan 12 Şirket

Kuantum teorisinden yararlanan daha fütüristik bir başka teknolojik akım, bir kuantum bilgisayarı yaratmakla ilgilidir. Kuantum teorisindeki birkaç on yıllık ilerleme ve çeşitli yazılım ve donanım alanlarındaki eşzamanlı ilerleme ile, nihayet kuantum bilgisayarların pratik olarak uygulanabilir hale geldiği çağa giriyoruz. 

Kuantum bilişimin ilk günlerindeyken, birkaç şirket şimdiden kuantum bilişimin unsurlarını hesaplamalı ilaç keşfine entegre ediyor. 

Örneğin POLARISqb, yapay zeka ile kuantum yaklaşımını birleştiren, kuantum bilgisayarlar için oluşturulmuş dünyanın ilk ilaç keşif yazılımının İngiltere merkezli bir geliştiricisidir. POLARISqb teknolojisinin kalbinde, birden çok projeyi paralel olarak yürütürken büyük kimyasal kitaplıkların aranmasına izin veren otomatik bir süreçle yönetilen, bulut genelinde dağıtılmış moleküler tasarım çalışmasını yürütmek için kullanılan Tachyon ilaç tasarım platformu bulunur. Şirket, kuantum sistemleri için tescilli yazılım geliştirerek ilaç tasarımını önemli ölçüde hızlandırabileceğini ve daha yüksek kalitede müşteri adayları elde edebileceğini iddia ediyor. Takyon sisteminin doğasında var olan “agnostisizm” nedeniyle, birçok hastalıkta ve endikasyonda çalışabilir. 

Menten AI, 2018'de kurulmuş, makine öğrenimi ve kuantum hesaplama ile desteklenen protein tasarımı için bir yazılım platformu geliştiren Kanadalı bir girişimdir. Şirket, maliyeti ve geliştirme süresini azaltırken ilaç keşfinin doğruluğunu önemli ölçüde artırabileceğine inandığı tescilli kuantum optimizasyon algoritmaları kullanıyor.

Bu gönderiyi özetlemek için, bir Amerikan kuantum yazılım şirketi olan Zapata Computing'in Kurucu Ortağı ve CEO'su Dr. Christopher Savoie'nin bu alandaki en son araştırmalarla ilgili olarak ifade ettiği bir tahmine atıfta bulunalım. röportaj BiopharmaTrend için:

"Kuantum, gelecekte biyofarmadaki her veya hemen hemen her veri bilimi ve makine öğrenimi iş akışının bir parçası olacak. ayrılmaz bir parçası olacağına inanıyorum. Kuantum teknolojisini kullanarak daha doğru bir model elde edebiliyorsanız, sonuçta bunu neden yapmayasınız?”

Büyük dil modelleri, ilaç keşfinde ilerleme kaydediyor

OpenAI'nin ChatGPT'si gibi büyük dil modelleri (LLM'ler), aşağıdakiler gibi biyoteknoloji şirketleri tarafından kullanılıyor: Insilico Tıp, masumiyet, ve Excientia, ilaç keşfine yardımcı olmak için.

ChatGPT bilim adamlarının yapay zeka ve makine öğrenimi araçlarıyla etkileşim kurmasına yardımcı olarak verileri daha erişilebilir hale getirir. Örneğin Insilico Medicine, hedef keşif platformu PandaOmics ile etkileşim kurmak için ChatGPT'yi kullanırken, Ainnocence'ın kurucusu Lurong P. Bio ChatGPT veya Med ChatGPT gibi özel sürümleri öngörmektedir. Exscientia, bilgi grafikleri için yapılandırılmış, mekanik iddialar oluşturmak için LLM'leri kullanır.

LLM'ler ayrıca biyoloji biliminde gelişmiş arama motorları olarak hizmet eder. Google ve DeepMindMed-PaLM sohbet robotu tıbbi sorulara yanıt verirken, HayırseverAI ChatGPT'nin kendi verilerine göre sohbet işlevini özelleştirmeye yardımcı olabilecek alma eklentisi özelliği konusunda heyecanlı görünüyor.

LLM'lerin ilaç keşfindeki potansiyeline rağmen, bazı şirketler BioXcel Terapötikler, Inc. ve Enterom doğruluk ve mahremiyet konusundaki endişeleri dile getirerek teknolojiyi benimseme konusunda dikkatli olun.

Açık olan, ChatGPT'nin ve DeepMind'in AlphaFold'u gibi diğer üretici yapay zeka modellerinin yükselişi, bunların biyoteknolojideki potansiyel uygulamalarına ilişkin farkındalığı artırdı ve şirketleri ilaç keşfi ve geliştirmedeki faydalarını keşfetmeye teşvik etti.

Başlıklar: Sanayi Eğilimler   

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. Otomotiv / EV'ler, karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• Blok Ofsetleri. Çevre Dengeleme Sahipliğini Modernleştirme. Buradan Erişin.
• Kaynak: https://www.biopharmatrend.com/post/615-pharmaceutical-artificial-intelligence-key-developments-in-2022/