Umelá inteligencia otvára nové hranice v dizajne liekov RNA

Umelá inteligencia otvára nové hranice v dizajne liekov RNA

V oblasti modernej medicíny sa terapie na báze RNA ukázali ako sľubná cesta s významným pokrokom v oblasti metabolických ochorení, onkológie a preventívnych vakcín. Nedávno publikovaný článok vStrojárstvo„Budúcnosť vývoja liekov na RNA riadenú umelou inteligenciou“ od Yilin Yan, Tianyu Wu, Honglin Li, Yang Tang a Feng Qian skúma, ako môže umelá inteligencia (AI) spôsobiť revolúciu vo vývoji liekov RNA tým, že rieši súčasné obmedzenia a poskytuje nové príležitosti pre inovácie.

Článok zdôrazňuje potenciál RNA terapií a poznamenáva, že RNA lieky majú vyššiu mieru úspešnosti v porovnaní s tradičnými liekmi. Napríklad Alnylam Pharmaceuticals tvrdí, že kumulatívna miera prechodu RNA interferenčných liekov (RNAi) z klinickej fázy 1 do fázy 3 dosahuje 64,4 %, čo je výrazne viac ako tradičná miera úspešnosti liekov 5 – 7 %. Okrem toho sa časové harmonogramy objavovania liekov RNA zvyčajne merajú v mesiacoch, a nie v rokoch požadovaných pre tradičné lieky, a sú spojené s nižšími nákladmi. Napriek týmto výhodám však súčasné experimentálne techniky, ako je CRISPR, a výpočtové metódy, ako je sekvenovanie RNA, stále nespĺňajú požiadavky na rýchlosť a diverzitu vo vývoji liekov RNA.

Umelá inteligencia je pripravená vyplniť túto medzeru. Článok zdôrazňuje schopnosť AI využívať paralelné výpočty a učiť sa zložité vzory z veľkého množstva údajov, čím sa riešia obmedzenia existujúcich metód. Prístupy založené na AI môžu zvýšiť efektívnosť vývoja liekov a otvoriť nové príležitosti na identifikáciu inovatívnych kandidátov na lieky. Autori načrtávajú tri hlavné stratégie, ktoré môže AI použiť na podporu pokroku vo vývoji liekov RNA: prístupy založené na údajoch, prístupy založené na stratégii učenia a prístupy založené na hlbokom učení.

Prístupy založené na údajoch poskytujú základ využívaním veľkých súborov údajov a techník dolovania pravidiel na extrahovanie zmysluplných vzorcov a vzťahov medzi molekulami RNA a ich štruktúrami alebo biologickými funkciami. Prístupy založené na stratégii učenia využívajú techniky, ako je kauzálne vyvodzovanie a posilňovanie učenia na optimalizáciu rozhodovacích procesov. Prístupy založené na hlbokom učení, ktoré predstavujú vyššiu úroveň zložitosti a automatizácie, využívajú veľké jazykové modely, ako je ChatGPT, na analýzu dlhých sekvencií RNA a podporujú de novo dizajn funkčných RNA.

Článok si predstavuje budúci pracovný postup pre vývoj liekov RNA riadený AI založenom na interaktívnom softvérovom systéme. Tento systém by mal dve kľúčové slučky spätnej väzby: internú slučku, ktorá sa zameriava na dizajn založený na platforme na zlepšenie výkonu modelov AI, a vonkajšiu slučku, ktorá integruje údaje z reálneho sveta na neustále zdokonaľovanie vývoja liekov. Pracovný postup by sa začal komplexnou digitalizáciou údajov RNA, po ktorej by nasledoval personalizovaný návrh kandidátov na lieky, hodnotenia liekov, automatizovaná syntéza a biologické experimenty na predbežné klinické overenie. Vybraní kandidáti na lieky by sa potom spojili s vhodnými systémami podávania a použili by sa v online simulácii na včasné pozorovanie dynamiky podávania, účinkov liekov a degradačných procesov v ľudskom tele.

Autori identifikujú niekoľko náročných výskumných tém pre blízku budúcnosť, vrátane komplexnej vizualizácie s vysokým rozlíšením, personalizovaného vývoja liekov RNA a vývoja upraviteľnej platformy na generovanie RNA. Tieto pokroky by mohli viesť k úplnejšej a interaktívnejšej reprezentácii štruktúr RNA a ich správania v biologických systémoch a umožniť vývoj vysoko personalizovaných liekov RNA prispôsobených individuálnym genetickým profilom.

Ekonomické a sociálne výhody vývoja liekov RNA riadených AI sú pozoruhodné. Automatizácia riadená AI znižuje prácne náročné úlohy a umožňuje rýchlejšiu a presnejšiu identifikáciu cieľov RNA, čo vedie k úspore nákladov a zrýchlenému testovaniu terapií RNA. Keďže platforma sa priemyselne rozširuje, zabezpečuje konzistentnú kvalitu liekov a vyššiu nákladovú efektívnosť prostredníctvom optimalizovaných, opakovateľných procesov.

Integrácia AI do vývoja liekov RNA má potenciál zmeniť budúcnosť terapeutík. Využitím schopností AI môžu výskumníci systematicky skúmať nové štruktúry RNA, identifikovať sľubných kandidátov na lieky a urýchliť vývoj liekov, čo v konečnom dôsledku povedie k udržateľnejším a hospodárnejším modelom rozvoja s ďalekosiahlymi výhodami.

Zdroje: