AI og menneskelige forskere jobber sammen for å oppdage nye kreftmedisinkombinasjoner

AI og menneskelige forskere jobber sammen for å oppdage nye kreftmedisinkombinasjoner

En "AI-forsker" som jobber i samarbeid med menneskelige forskere har funnet ut at kombinasjoner av billige og trygge medisiner - brukt til å behandle tilstander som høyt kolesterol og alkoholavhengighet - også kan være effektive i behandling av kreft, en lovende ny tilnærming til medikamentoppdagelse.

Forskerteamet ledet av University of Cambridge brukte GPT-4 store språkmodellen (LLM) for å identifisere skjulte mønstre begravet i fjellene av vitenskapelig litteratur for å identifisere potensielle nye kreftmedisiner.

For å teste deres tilnærming ledet forskere GPT-4 til å identifisere potensielle nye medikamentkombinasjoner som kan ha en betydelig innvirkning på en brystkreftcellelinje som vanligvis brukes i medisinsk forskning. De instruerte det for å unngå standard kreftmedisiner, identifisere medisiner som angriper kreftceller uten å skade friske celler, og prioritere medisiner som var rimelige og godkjent av regulatorer.

GPT-4s foreslåtte medikamentkombinasjoner ble deretter testet av menneskelige forskere både i kombinasjon og individuelt for å måle deres effektivitet mot brystkreftceller.

I den første laboratoriebaserte testen fungerte tre av GPT-4s 12 foreslåtte medikamentkombinasjoner bedre enn dagens brystkreftmedisiner. LLM lærte deretter av disse testene og foreslo ytterligere fire kombinasjoner, hvorav tre også viste lovende resultater.

Resultatene, rapportert iJournal of the Royal Society Interfacerepresenterer den første forekomsten av et lukket sløyfesystem der eksperimentelle resultater ledet en LLM, og LLM-utganger - tolket av menneskelige forskere - veiledet ytterligere eksperimenter. Forskerne sier at verktøy som LLM-er ikke vil erstatte forskere, men kan i stedet veilede AI-forskere, med evnen til å dukke opp, tilpasse og akselerere oppdagelse innen områder som kreftforskning.

Ofte gir LLM-er som GPT-4 resultater som ikke er sanne, kjent som hallusinasjoner. Men i vitenskapelig forskning kan hallusinasjoner noen ganger være en fordel hvis de fører til nye ideer som er verdt å teste.

"Supervisory LLMs gir et skalerbart, fantasifullt lag av vitenskapelig utforskning og kan hjelpe oss som menneskelige forskere med å undersøke nye veier som vi ikke tidligere hadde tenkt på," sa professor Ross King fra Institutt for kjemiteknikk og bioteknologi ved Cambridge, som ledet forskningen. "Dette kan være nyttig på områder som medikamentoppdagelse, hvor mange tusen forbindelser må screenes."

Basert på innspill fra menneskelige forskere, valgte GPT-4 legemidler basert på samspillet mellom biologisk tenkning og skjulte mønstre i vitenskapelig litteratur.

Dette er ikke automatisering som erstatter forskere, men en ny måte å samarbeide på. Guidet av eksperthenvendelser og eksperimentell tilbakemelding, fungerte AI som en utrettelig forskningspartner, og navigerte i et enormt hypoteserom og foreslo ideer som ville ta mennesker lenger tid å oppnå på egen hånd. "

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

Hallusinasjonene – vanligvis betraktet som defekter – ble en funksjon, og skapte ukonvensjonelle kombinasjoner verdt å teste og validere i laboratoriet. De menneskelige forskerne undersøkte de mekanistiske årsakene til at LLM foreslo disse kombinasjonene i utgangspunktet, og matet systemet frem og tilbake i flere iterasjoner.

Ved å utforske subtile synergier og oversett veier, hjalp GPT-4 med å identifisere seks lovende medikamentpar, alle testet gjennom laboratorieeksperimenter. Blant kombinasjonene skilte simvastatin (ofte brukt for å senke kolesterol) og disulfiram (brukt i alkoholavhengighet) seg ut mot brystkreftceller. Noen av disse kombinasjonene viser potensialet for videre forskning innen terapeutisk reparasjon.

Disse stoffene, selv om de ikke tradisjonelt er assosiert med kreftbehandling, kan være potensielle kreftbehandlinger, selv om de først må gjennomføre store kliniske studier.

"Denne studien viser hvordan AI kan integreres direkte i den iterative løkken av vitenskapelig oppdagelse, og muliggjør generering og validering av data-informerte hypoteser i sanntid," sa Zenil.

"Kapasiteten til veiledede LLM-er til å foreslå hypoteser på tvers av disipliner, vurdere tidligere funn og samarbeide om iterasjoner over en ny grense innen vitenskapelig forskning," sa King. "En AI-forsker er ikke lenger en metafor uten eksperimentell validering: den kan nå være en samarbeidspartner i den vitenskapelige prosessen."

Forskningen ble delvis støttet av Alice Wallenberg Foundation og UK Engineering and Physical Sciences Research Council (EPSRC).

Kilder: