Искустволук интеллектуал ракаттар үчүн рак дарыларды издөөгө жардам берет: BIOPTIC’тин молекулярдык ачылыш машинеси

Иси жону дарыларды табуу, сыяктуу чектелген бир нерсенин арасына тиккен сайларды издөө катары сүрөттөлөт. Чындыкта көйгөй алда канча чоң: "жону" миллиарларды, же миллиондорду, мүмкүн молекулаларды камтышы мүмкүн.

Мында жасалма интеллект лабораторияга кирет.

BIOPTIC, ишкер жана мурунку Google аткаруучу Андрей Дороничев менен байланышкан AI-энтепренафер биотехникалык компания, жаңы дарыларга айландыруу мүмкүнчүлүгү бар молекулаларды издөөгө огромдуу химиялык китепканаларды издөөгө машиналык үйрөнүүнү колдонууга жөндөмдүү технологияны иштеп жатат. Компаниянын эң кызыктуу программаларынын бири ракка багытталган, анда AI системасы тумурдин ангиогенезинде катышкан биологиялык максат болгон VEGFR-3тин тандалган ингибиторлорун аныктаууга колдонулган.

Мында маанилүү сөз - акырында. AI кыскача баскычты басып, даяр рак дарысын өндүрбөйт. Анын ордуна ал илимпоздорго кайсы молекулалар чын эле синтезделип, чыныгы дүйнөдө сынакка өткөрүүгө татыктуу экендигин чечүүгө жардам берет.

BIOPTIC эмне жана анын AI чындыгында эмне кылат?

BIOPTIC жасалма интеллект, эсептөө химиясы жана дарыларды издөөнүн кесилишинде иштейт. Анын негизги идеясы химиялык ачылышты бөлүмдүн издөөлөрү катары карап чыгуу.

К traditionalнөлүк дары табылуу программасы биологиялык максат - ооруга катышкан протеин менен башталып, андан кийин ошол максатка ылайыктуу молекуланы издөөгө киришет. Мындай майда, теориялык түрдөгү дарыга окшош молекулалардын саны астрономиялык.

BIOPTICтин B1 системасы бул издөөнү башкарылуучу кылууга аракеттенет.

Система молекулаларды математикалык көрүнүштө көрсөтүп, химиялык структураларды жогорку ылдамдыкта салыштырууга мүмкүндүк берген компакттуу сандык ченемдерди түзөт. Компаниянын рецензияланган изилдөөлөрүнө ылайык, B1 он миллиарда мөмөнү камтыган китепканаларды издеп, химиялык структуралары көп өзгөрсө дагы, биологиялык касиеттер менен окшош молекулаларды кайтарып алынат.

AI ошондуктан лабораторияны алмаштырбайт. Лаборатордук иштер башталуудан мурда өтө тез фильтр катары иштейт.

BIOPTIC B1 миллиарларды молекулаларды кантип издейт?

B1дин техникалык негизине лиганда негизделген виртуалдуу сүзүү системасы турат.

Лиганда - биологиялык максатка, мисалы, протеинге байланганда болот. Эгер илимпоздор пайдалуулук активдүүлүгүнө ээ болгондон кийин койгон молекулаларды билишсе, ошол молекулалар жаңы издөө үчүн баштапкы пункт катары кызмат кыла алат.

B1 молекулалык маалыматты компакттуу вектордик көрсөтмөгө айлантат. Жарым-жартылай ченемдуу, ар бир молекула 60-өлчөмдүү ченем катары тутулат. Модель андан кийин суроолуу молекуланы алдын ала индексирленген молекулалар менен салыштырып, чоң масштабда окшоштуктарды эсептей алат.

Система Enamine REAL Spaceде, болжол менен 40 миллиард санга кирген виртуалдык химиялык китепкана боюнча текшерилди.

Бул масштаб инженердик маселени жаратышат гана эмес, ошондой эле илимий маселени да. BIOPTICтин изилдөөчүлөрү процессин эки этапка бөлүштү:

• Сканирование: нейрондук тармактар молекулаларды иштетип, ченемдерди түзөт.

• Издөө: алдын ала эсептелген ченемдерди салыштырып, эң тийиштүү кандидаттарды кайтарат.

Жарнамадан тажрыйбалуу көрсөткүчтүү, 40 миллиард молекула китепканасында издөөлөрдү болжол менен эки мүнөттөн он беш секундга чакыртууга мүмкүн болду. RAM негизиндеги конфигурация айтарлык тез болду.

Бул AI биологияны илимпоздой түшүнөт дегенди билдирбейт. Ал система химиялык мейкаттын математикалык картасын артыкчылыктуу түрдө якталуу жана көңүл бурулууга татыктуу кандидаттарды аныктоого жардем берет.

Рак долбоору: Тандалган VEGFR-3 ингибиторлорун издөөнүн аракеттери

BIOPTICтин рак программасы бул жагынан конкреттүү мисал келтирет.

Максат - VEGFR-3, ошондой эле FLT4 деп танылаган, ангиогенезге байланышкан сигналдар жөндөмүнө катышкан кабылдагыч. Туморлар ангиогенезди өз өсүшүн колдоно алышат, бул жолу рак изилдөөсүнүн маанилүү тармагы болуп саналат.

Кыйынчылык - тандоо.

Көп VEGF кабылдагычтарын кеңири таасир эткен дарылар башка биологиялык системалар менен да байланышышы мүмкүн, болочок токсикологияны жогорулатышы мүмкүн. BIOPTICтин долбоору VEGFR-3 үчүн күчтүү тандоого ээ болгон кичинекей молекулаларды аныктоого багытталган.

Компания эки модельден турган тубалгыны колдонду:

SMILES молекулярдык структураларды сүрөттөөгө колдонулган тексттик нотация. Бул химияны тил модели технологиялары менен таң калтырчу биргелештикке кийирет: молекула символдордун реакциясы катары суроттолсо, AI системалары химиялык маалыматтардагы үлгүлөрдү үйрөнүүгө жөндөмдүү.

Биринчи модель 40 миллиард молекуладан турган супер-озундуу китепкананы сүртүп чығарып, молекуланын структурасын жана байланыштарын моделдөө үчүн графиктер аман. Жарыяланган бенчмарктарда 110 молекулаларды тестирлөөгө кайсы шарттар боюнча әрекет кылган.

Цифрлык болжолдон реалдуу молекулага

Бул жерде AI тарыхы чыныгы илимге айланат.

Компьютер молекуланын үмүттөнгөн көрүнүшүн угат, бирок молекула дагы синтезделиши жана ишенимдүү сыноого өтүшү керек.

VEGER-3 долбоорунда, BIOPTIC 110 молекулаларды киназ профили анализи аркылуу тестирлегендигин билдирди. Көптөгөн молекулалар VEGFR-3кө каршы активдүүлүктү көрсөттү жана үчөөсү жалгыз VEGFR максат үчүн тандалган. Бир кандидат 45 эселенген тандоону көрсөткөн. Натыйжалар 2025 ASCO жылдык жыйынына сунушталган.

☆ Тексти даярданганда, жакшы молекулалар ушунчалык изилдөөлөргө топтолгон маалыматтар бүткөндөй чындык же так камерасы.

Изилдөөчүлөр молекулярдык ачылыш менен РНК секвенциясы анализин бириктиришкен. Онкобокс алгоритмин колдонуп, алар селективдүү VEGFR-3 ингибиторуна эң жооптуу рак түрлөрүн болжолдоо үчүн миңдердин ракуда кабыл алуу профилин анализделишти. Генералдык изилдөөгө бурулушу күтүлгөн типтерге папиллярдык қалқанша рагы, ачык клетка бөйрөк рагы, панкреат рагы, овариал рагы жана саркомалар кирет.

Бул изилдөө тапшырыктары - бүтүндөй целик алууга жарамдуу болсо да, рак дарысы дарыгерлер үчүн даяр болуп калганы көрсөтпөйт.

BIOPTIC B1нин илимий түптемелери

BIOPTICтин технологиясы ошондой эле рецензияланган илимий адабиятта сүрөттөлгөн.

2025-жылы, изилдөөчүлөр Journal of Chemical Information and Modelingда LRRK2ди, Паркинсон оорусу менен байланышкан протеинди максат кылган болжолдоолор экспериментин сүрөттөп, изилдөө боюнча боюнча изилдөө жүргүздү.

Система ошондой эле 40 миллиард молекулалардын химиялык мейкатын издеп, нормалдуу жана мутагендүү формалары үчүн жаңы лиганды аныктады. Эксперименталдык дайындар 110 наномолярга чейин диссоциациялык константанын жогору көлөмүн алган.

Кийинки этабы AI колдоого алган жаңы дары издөөнүн түшүнүүсү үчүн өзгөчө маанилүү. Баштапкы чыккандар акыркы жооптор катары жазылбайт. Илимий адистер эң жакшы байланыштарды аналогдук издөө үчүн баштапкы билимдерди колдонуп, структуралык жактан байланышкан молекулаларды кайтып алган, практикалык касиеттер үчүн фильтрациядан өткөрүп, реалдуу өнүктүрүүгө мүмкүн молекулаларды тандоочу.

Тандалган 48 аналогдордун 47си ийгиликтүү синтезделди. Жыйынтыктагы молекулалар кайрадан тестирленген, эсептөө, химия жана биология арасындагы мөөнөттүк циклды түзүп.

Неге AI дары илимпоздорду алмаштыра албайт

"AI дарыларды тапты" деген сөз кызыктуу, бирок толук эмес.

AI молекулаларды маалыматтардан үйрөнгөн паттерндердин негизинде тизмелеп, виртуалдык издөөнү айлалыштырууга жана химиялык байланыштарды табууга жардам берет, бирок болжол күчтүү гана болсо, бул теориялык болду.

Илимпоздор дагы эле негизги суроолорго жооп бериши керек:

• Молекула чындыгында максатка байланабы?

• Бул максаттуу биологиялык жолу менен түшүрөбү?

• Бул жетишпейби?

• Бул токсикалуубу?

• Бул туура ткемеге жетиши мүмкүнбү?

• Анын күзгүдө чыгарылышы коопсузбу?

• Бул жаныбарларда иштейби?

• Адамдарга жардам береби?

Фермердин бийин күткөн молекула ар кандай учурда иш жарата алат.

Ошондуктан BIOPTIC B1 сыяктуу системалардын чыныгы баалуулугу, жамыдан идеалдуу болушунун ордуна, ылдамдыгында. Эгер AI миллиарддаган теориялык мүмкүнчүлүктөрдү бир нече ондо жаткан молекулага түзсө, бул дары табуу процессинин эң баштапкы этаптарын тездетет.

AI-да жаралган медицинанын келечеги

BIOPTICтин иши биотехнологияда кененирээк айланууларды көрсөтөт. AI изилдөө инфраструктурасынын курамында болуп калды, химиялык мейкат эскитешинде, эксперименттерди артыкчылыктуу багытта, молекулярдык маалыматтар менен биологиялык маалыматтарды байланыштырууга багытталат.

Компаниянын рак изилдөөсү ошондой эле кызыктуу, анткени ал программа чектелүүнүн бир нече жактарын жакшыртат: молекулярдык могует, тандоонун моделдолушу жана опухоль биологиясынын RNA-seq анализи.

Бирок процессинин соңку продукты AI тараптан чыгарылган рецепт эмес. Бул изилдөөчүлөрдөн сынап көрүүнү талап кылган гипотездердин кыска тизмеси.

Бул айырма маанилүү.

AI изилдөөчүлөргө миллиарддаган молекулаларды тезирээк издөөгө жардам бере алат. Ал эски химиялык структураларды билинүүсүз өзү көрсөтүп, лабораторияларды ошол молекулаларды көрсөтүүгө түрткү сатып ала алат. Бирок, молекула химия, биология, токсикология, алдынкы изилдөө жана клиникалык сыноолордун бардык этаптарын өтүүгө тийиш.

Башкача айтканда, AI рак дарысын издеп жаткан илимпозду алмаштырбайт.

Ал ошол илимпозго күчтүү издөөлөрдү берет.