AI og menneskelige forskere arbejder sammen for at opdage nye kombinationer af kræftlægemidler

AI og menneskelige forskere arbejder sammen for at opdage nye kombinationer af kræftlægemidler

En "AI-forsker", der arbejder i samarbejde med menneskelige videnskabsmænd, har fundet ud af, at kombinationer af billige og sikre lægemidler - brugt til at behandle tilstande som forhøjet kolesterol og alkoholafhængighed - også kunne være effektive til behandling af kræft, en lovende ny tilgang til lægemiddelopdagelse.

University of Cambridge-ledede forskerhold brugte GPT-4 store sprogmodel (LLM) til at identificere skjulte mønstre begravet i bjergene af videnskabelig litteratur for at identificere potentielle nye kræftlægemidler.

For at teste deres tilgang ledte forskere GPT-4 til at identificere potentielle nye lægemiddelkombinationer, der kunne have en betydelig indvirkning på en brystkræftcellelinje, der almindeligvis anvendes i medicinsk forskning. De instruerede det for at undgå standard kræftlægemidler, identificere lægemidler, der angriber kræftceller uden at skade raske celler, og prioritere lægemidler, der var overkommelige og godkendt af regulatorer.

GPT-4's foreslåede lægemiddelkombinationer blev derefter testet af humane videnskabsmænd både i kombination og individuelt for at måle deres effektivitet mod brystkræftceller.

I den første laboratoriebaserede test virkede tre af GPT-4's 12 foreslåede lægemiddelkombinationer bedre end nuværende lægemidler mod brystkræft. LLM lærte derefter af disse tests og foreslog yderligere fire kombinationer, hvoraf tre også viste lovende resultater.

Resultaterne, rapporteret iJournal of the Royal Society Interfacerepræsenterer den første forekomst af et lukket sløjfesystem, hvor eksperimentelle resultater styrede en LLM, og LLM-output - fortolket af menneskelige videnskabsmænd - guidede yderligere eksperimenter. Forskerne siger, at værktøjer som LLM'er ikke vil erstatte videnskabsmænd, men i stedet kunne overvåge AI-forskere med evnen til at dukke op, tilpasse og accelerere opdagelse inden for områder som kræftforskning.

Ofte giver LLM'er som GPT-4 resultater, der ikke er sande, kendt som hallucinationer. Men i videnskabelig forskning kan hallucinationer nogle gange være en fordel, hvis de fører til nye ideer, der er værd at teste.

"Supervisory LLM'er giver et skalerbart, fantasifuldt lag af videnskabelig udforskning og kan hjælpe os som menneskelige forskere med at undersøge nye veje, som vi ikke tidligere havde tænkt på," sagde professor Ross King fra Institut for Kemiteknik og Bioteknologi i Cambridge, der ledede forskningen. "Dette kan være nyttigt inden for områder som lægemiddelopdagelse, hvor mange tusinde forbindelser skal screenes."

Baseret på input fra humane videnskabsmænd, udvalgte GPT-4 lægemidler baseret på samspillet mellem biologisk tænkning og skjulte mønstre i den videnskabelige litteratur.

Dette er ikke automatisering, der erstatter videnskabsmænd, men en ny måde at samarbejde på. Vejledt af ekspertprompts og eksperimentel feedback optrådte AI som en utrættelig forskningspartner, navigerede i et enormt hypoteserum og foreslog ideer, som det ville tage mennesker længere tid at opnå på egen hånd. “

Dr. Hector Zenil, medforfatter fra King's College London

Hallucinationerne - normalt betragtet som defekter - blev et træk, der skabte ukonventionelle kombinationer, der var værd at teste og validere i laboratoriet. De menneskelige videnskabsmænd undersøgte de mekanistiske årsager til, at LLM foreslog disse kombinationer i første omgang, og fodrede systemet frem og tilbage i flere iterationer.

Ved at udforske subtile synergier og oversete veje hjalp GPT-4 med at identificere seks lovende lægemiddelpar, alle testet gennem laboratorieforsøg. Blandt kombinationerne skilte simvastatin (almindeligvis til at sænke kolesterol) og disulfiram (brugt i alkoholafhængighed) sig ud mod brystkræftceller. Nogle af disse kombinationer viser potentialet for yderligere forskning i terapeutisk reparation.

Selvom disse lægemidler ikke traditionelt er forbundet med kræftbehandling, kunne de være potentielle kræftbehandlinger, selvom de først ville skulle udføre store kliniske forsøg.

"Denne undersøgelse viser, hvordan AI kan integreres direkte i den iterative sløjfe af videnskabelig opdagelse, hvilket muliggør generering og validering af de data-informerede hypoteser i realtid," sagde Zenil.

"Kapaciteten hos superviserede LLM'er til at foreslå hypoteser på tværs af discipliner, overveje tidligere resultater og samarbejde om iterationer på tværs af en ny grænse inden for videnskabelig forskning," sagde King. "En AI-forsker er ikke længere en metafor uden eksperimentel validering: den kan nu være en samarbejdspartner i den videnskabelige proces."

Forskningen blev delvist støttet af Alice Wallenberg Foundation og UK Engineering and Physical Sciences Research Council (EPSRC).

Kilder: