Tekoäly ja ihmistutkijat työskentelevät yhdessä löytääkseen uusia syöpälääkeyhdistelmiä

Tekoäly ja ihmistutkijat työskentelevät yhdessä löytääkseen uusia syöpälääkeyhdistelmiä

Yhteistyössä ihmistutkijoiden kanssa työskentelevä "AI-tieteilijä" on havainnut, että halpojen ja turvallisten lääkkeiden yhdistelmät, joita käytetään hoitoon, kuten korkea kolesteroli ja alkoholiriippuvuus, voivat myös olla tehokkaita syövän hoidossa, mikä on lupaava uusi lähestymistapa lääkekehitykseen.

Cambridgen yliopiston johtama tutkimusryhmä käytti GPT-4:n suurta kielimallia (LLM) tunnistaakseen tieteellisen kirjallisuuden vuoristoon hautautuneita piilomalleja mahdollisten uusien syöpälääkkeiden tunnistamiseksi.

Testatakseen lähestymistapaansa tutkijat johtivat GPT-4:n tunnistamaan mahdollisia uusia lääkeyhdistelmiä, joilla voisi olla merkittävä vaikutus lääketieteellisessä tutkimuksessa yleisesti käytettyyn rintasyöpäsolulinjaan. He ohjasivat sen välttämään tavallisia syöpälääkkeitä, tunnistamaan lääkkeitä, jotka hyökkäävät syöpäsoluja vahingoittamatta terveitä soluja, ja asettamaan etusijalle lääkkeet, jotka olivat edullisia ja sääntelijöiden hyväksymiä.

Ihmistutkijat testasivat sitten GPT-4:n ehdottamia lääkeyhdistelmiä sekä yhdistelmänä että yksittäin mitatakseen niiden tehokkuutta rintasyöpäsoluja vastaan.

Ensimmäisessä laboratoriopohjaisessa testissä kolme GPT-4:n 12 ehdotetusta lääkeyhdistelmästä toimi paremmin kuin nykyiset rintasyöpälääkkeet. Sitten LLM oppi näistä testeistä ja ehdotti neljää muuta yhdistelmää, joista kolme osoitti myös lupaavia tuloksia.

Tulokset, raportoituJournal of the Royal Society Interfaceedustavat ensimmäistä esimerkkiä suljetun silmukan järjestelmästä, jossa kokeelliset tulokset ohjasivat LLM:ää ja LLM-tulokset - ihmistutkijoiden tulkitsemia - lisäkokeita. Tutkijat sanovat, että LLM:n kaltaiset työkalut eivät korvaa tutkijoita, vaan voisivat sen sijaan valvoa tekoälyn tutkijoita, joilla on kyky nousta esiin, mukautua ja nopeuttaa löytöä esimerkiksi syöpätutkimuksen aloilla.

Usein LLM:t, kuten GPT-4, palauttavat tulokset, jotka eivät pidä paikkaansa, tunnetaan hallusinaatioina. Tieteellisessä tutkimuksessa hallusinaatiot voivat kuitenkin joskus olla etu, jos ne johtavat uusiin testaamisen arvoisiin ideoihin.

"Supervisory LLM:t tarjoavat skaalautuvan, mielikuvituksellisen kerroksen tieteelliseen tutkimiseen ja voivat auttaa meitä ihmistieteilijöitä tutkimaan uusia mahdollisuuksia, joita emme olleet aiemmin ajatelleet", sanoi tutkimusta johtanut professori Ross King Cambridgen kemiantekniikan ja biotekniikan osastolta. "Tämä voi olla hyödyllistä sellaisilla aloilla, kuten lääkekehitys, jossa useita tuhansia yhdisteitä on seulottava."

Ihmistutkijoilta saatujen tietojen perusteella GPT-4 valitsi lääkkeet biologisen ajattelun ja tieteellisen kirjallisuuden piilomallien välisen vuorovaikutuksen perusteella.

Tämä ei ole automaatiota, joka korvaa tutkijoita, vaan uusi tapa tehdä yhteistyötä. Asiantuntijakehotteiden ja kokeellisen palautteen ohjaama tekoäly toimi kuin väsymätön tutkimuskumppani, joka navigoi valtavassa hypoteesitilassa ja ehdotti ideoita, joiden saavuttaminen yksinään kestäisi kauemmin. "

Tohtori Hector Zenil, toinen kirjoittaja Lontoon King's Collegesta

Hallusinaatioista – joita tavallisesti pidettiin puutteina – tuli ominaisuus, joka loi epätavallisia yhdistelmiä, jotka kannattaa testata ja validoida laboratoriossa. Ihmistutkijat tutkivat mekaanisia syitä siihen, miksi LLM ehdotti näitä yhdistelmiä alun perin, syöttäen järjestelmää edestakaisin useissa iteraatioissa.

Tutkimalla hienovaraisia ​​synergioita ja huomiotta jätettyjä reittejä GPT-4 auttoi tunnistamaan kuusi lupaavaa lääkeparia, jotka kaikki testattiin laboratoriokokeilla. Yhdistelmistä simvastatiini (yleisesti käytetty kolesterolin alentamiseen) ja disulfiraami (käytetään alkoholiriippuvuudessa) erottuivat rintasyöpäsoluja vastaan. Jotkut näistä yhdistelmistä osoittavat potentiaalin lisätutkimukselle terapeuttisessa korjaamisessa.

Vaikka nämä lääkkeet eivät perinteisesti liity syövän hoitoon, ne voivat olla mahdollisia syövänhoitoja, vaikka niiden olisi ensin suoritettava laajamittaisia ​​kliinisiä tutkimuksia.

"Tämä tutkimus osoittaa, kuinka tekoäly voidaan integroida suoraan tieteellisten löydösten iteratiiviseen silmukkaan, mikä mahdollistaa datapohjaisten hypoteesien luomisen ja validoinnin reaaliajassa", Zenil sanoi.

"Valvottujen LLM:ien kyky ehdottaa hypoteeseja eri tieteenaloilla, ottaa huomioon aikaisemmat havainnot ja tehdä yhteistyötä iteraatioissa tieteellisen tutkimuksen uudella rintamalla", King sanoi. "Tekoälytutkija ei ole enää metafora ilman kokeellista validointia: se voi nyt olla tieteellisen prosessin yhteistyökumppani."

Tutkimusta tukivat osittain Alice Wallenberg Foundation ja UK Engineering and Physical Sciences Research Council (EPSRC).

Lähteet: