Berta Sándor
Növekvő szerepet kap a mesterséges intelligencia a gyógyszerkutatásban
A technológia gyorsítja és olcsóbbá teszi a folyamatot, ezért a gyógyszeripari óriások egyre inkább keresik az IT-partnereiket.
Jörn Piel, az ETH Zurich kutatója és csapata számítógép segítségével kutatta át a baktériumgenomokat tartalmazó digitális könyvtárakat. Miután a különböző anyagok jellegzetes mintákat mutattak fel, így a szakemberek keresési algoritmusokat alkalmazhattak a feladatra. Így derült ki, hogy egy felfedezett és szóba jöhető molekulacsoport funkciói bizonyos szempontból még ismeretlenek voltak, miközben az anyag hasonlított arra a természetes anyagra, amelyből a daptomicim nevű antibiotikumot készítik.
Andreas Braun, az Accenture ügyvezető igazgatója kiemelte, hogy hatalmas a potenciál abban, hogy a mesterséges intelligencia és a különböző algoritmusok segítségével fejlesszenek ki új gyógyszereket és célzott terápiákat. A menedzser ezt Tesla-hatásnak nevezte, utalva arra, hogy a Tesla Motors volt az a vállalat, amely felhívta az autógyártók figyelmét az elektromos járművekbe való befektetésre.
A Pfizer az IBM Watson nevű megoldását alkalmazza a rákkutatásban, míg a Novartis 2019-ben a Microsofttal közösen megalapította az AI Innovation Labot, amelynél mesterséges intelligencia alkalmazások segíthetnek abban, hogy a hatóanyag-jelöltek milliói közül kiválasszák azokat a molekulákat, amelyek eredményesek lehetnek az eltérő betegségek ellen. Szintén a számítógépeken alapuló hatóanyag-kutatásra épít az Astra-Zeneca, a Glaxo-Smithkline és az nVidia. Az utóbbi ehhez megalkotta a 100 millió dolláros Cambridge 1 számítógépet. A megfelelő hardverekhez ugyanakkor a hatalmas adatmennyiségeket hatékonyan és gyorsan elemző Big Data-szoftverek is kellenek.
Az Alphabet a tavalyi év végén hozta létre az Isomorphic Labs nevű egységét, amelynek vezetője Demis Hassabis, a DeepMind alapítója és vezetője. A DeepMind kutatói már 350 000 emberi fehérjét elemezték ki és ez még csak a kezdet. A Roche és annak Genentech nevű leányvállalata tavaly decemberben szerződést kötött a Recursion nevű amerikai biotechnológiai céggel. Az utóbbi a mesterséges intelligenciát a hatóanyagok kutatására használja a saját platformját. A Roche az utóbbihoz szeretne hozzáférni, hogy akár 40 új gyógyszert fejleszthessen ki a rák és a neurológiai betegségek ellen.
Braun az algoritmusok bevonásával megvalósított gyógyszerfejlesztést az autók töréstesztjeihez hasonlította. Korábban a gyártók akár 200 gépkocsit is összetörtek, ma már előre próbálnak számolni és legfeljebb néhány sikeres töréstesztet végeznek. Amennyiben a fejlesztési költségek csökkennek, akkor több gyógyszer készíthető a ritka betegségek ellen. Az utóbbiakban világszerte 400 millió ember szenved. Csak az Európai Unióban 8000 ritka betegséget tartanak nyilván, de azok gyógyítására jelenleg csak 200 gyógyszer áll rendelkezésre. Braun arra számít, hogy ez a szám érezhetően nőni fog.
Jörn Piel, az ETH Zurich kutatója és csapata számítógép segítségével kutatta át a baktériumgenomokat tartalmazó digitális könyvtárakat. Miután a különböző anyagok jellegzetes mintákat mutattak fel, így a szakemberek keresési algoritmusokat alkalmazhattak a feladatra. Így derült ki, hogy egy felfedezett és szóba jöhető molekulacsoport funkciói bizonyos szempontból még ismeretlenek voltak, miközben az anyag hasonlított arra a természetes anyagra, amelyből a daptomicim nevű antibiotikumot készítik.
Andreas Braun, az Accenture ügyvezető igazgatója kiemelte, hogy hatalmas a potenciál abban, hogy a mesterséges intelligencia és a különböző algoritmusok segítségével fejlesszenek ki új gyógyszereket és célzott terápiákat. A menedzser ezt Tesla-hatásnak nevezte, utalva arra, hogy a Tesla Motors volt az a vállalat, amely felhívta az autógyártók figyelmét az elektromos járművekbe való befektetésre.
A Pfizer az IBM Watson nevű megoldását alkalmazza a rákkutatásban, míg a Novartis 2019-ben a Microsofttal közösen megalapította az AI Innovation Labot, amelynél mesterséges intelligencia alkalmazások segíthetnek abban, hogy a hatóanyag-jelöltek milliói közül kiválasszák azokat a molekulákat, amelyek eredményesek lehetnek az eltérő betegségek ellen. Szintén a számítógépeken alapuló hatóanyag-kutatásra épít az Astra-Zeneca, a Glaxo-Smithkline és az nVidia. Az utóbbi ehhez megalkotta a 100 millió dolláros Cambridge 1 számítógépet. A megfelelő hardverekhez ugyanakkor a hatalmas adatmennyiségeket hatékonyan és gyorsan elemző Big Data-szoftverek is kellenek.
Az Alphabet a tavalyi év végén hozta létre az Isomorphic Labs nevű egységét, amelynek vezetője Demis Hassabis, a DeepMind alapítója és vezetője. A DeepMind kutatói már 350 000 emberi fehérjét elemezték ki és ez még csak a kezdet. A Roche és annak Genentech nevű leányvállalata tavaly decemberben szerződést kötött a Recursion nevű amerikai biotechnológiai céggel. Az utóbbi a mesterséges intelligenciát a hatóanyagok kutatására használja a saját platformját. A Roche az utóbbihoz szeretne hozzáférni, hogy akár 40 új gyógyszert fejleszthessen ki a rák és a neurológiai betegségek ellen.
Braun az algoritmusok bevonásával megvalósított gyógyszerfejlesztést az autók töréstesztjeihez hasonlította. Korábban a gyártók akár 200 gépkocsit is összetörtek, ma már előre próbálnak számolni és legfeljebb néhány sikeres töréstesztet végeznek. Amennyiben a fejlesztési költségek csökkennek, akkor több gyógyszer készíthető a ritka betegségek ellen. Az utóbbiakban világszerte 400 millió ember szenved. Csak az Európai Unióban 8000 ritka betegséget tartanak nyilván, de azok gyógyítására jelenleg csak 200 gyógyszer áll rendelkezésre. Braun arra számít, hogy ez a szám érezhetően nőni fog.