Sztuczna inteligencja i naukowcy współpracują ze sobą, aby odkryć nowe kombinacje leków przeciwnowotworowych

Sztuczna inteligencja i naukowcy współpracują ze sobą, aby odkryć nowe kombinacje leków przeciwnowotworowych

„Naukowiec zajmujący się sztuczną inteligencją” współpracujący z naukowcami odkrył, że połączenia tanich i bezpiecznych leków stosowanych w leczeniu takich schorzeń, jak wysoki poziom cholesterolu i uzależnienie od alkoholu – mogą być również skuteczne w leczeniu raka, co stanowi obiecujące nowe podejście do odkrywania leków.

Zespół badawczy pod kierunkiem Uniwersytetu Cambridge wykorzystał model wielkojęzykowy GPT-4 (LLM) do zidentyfikowania ukrytych wzorców ukrytych w górach literatury naukowej w celu zidentyfikowania potencjalnych nowych leków przeciwnowotworowych.

Aby przetestować swoje podejście, naukowcy poprowadzili projekt GPT-4 do zidentyfikowania potencjalnych nowych kombinacji leków, które mogłyby mieć znaczący wpływ na linię komórkową raka piersi powszechnie stosowaną w badaniach medycznych. Polecili mu unikać standardowych leków przeciwnowotworowych, identyfikować leki atakujące komórki nowotworowe bez szkody dla zdrowych komórek i priorytetowo traktować leki, które są niedrogie i zatwierdzone przez organy regulacyjne.

Następnie naukowcy przetestowali kombinacje leków zaproponowane w ramach GPT-4 zarówno w połączeniu, jak i indywidualnie, aby zmierzyć ich skuteczność przeciwko komórkom raka piersi.

W pierwszym teście laboratoryjnym trzy z 12 proponowanych kombinacji leków GPT-4 działały lepiej niż obecne leki na raka piersi. Następnie LLM wyciągnęło wnioski z tych testów i zaproponowało kolejne cztery kombinacje, z których trzy również wykazały obiecujące wyniki.

Wyniki ogłoszono wDziennik interfejsu Towarzystwa Królewskiegostanowią pierwszy przypadek układu z zamkniętą pętlą, w którym wyniki eksperymentów kierowały LLM, a wyniki LLM – zinterpretowane przez naukowców – kierowały dalszymi eksperymentami. Naukowcy twierdzą, że narzędzia takie jak LLM nie zastąpią naukowców, ale zamiast tego mogłyby nadzorować badaczy sztucznej inteligencji, umożliwiając im pojawianie się, dostosowywanie i przyspieszanie odkryć w takich obszarach, jak badania nad rakiem.

Często LLM, takie jak GPT-4, zwracają wyniki, które nie są prawdziwe, nazywane są halucynacjami. Jednak w badaniach naukowych halucynacje mogą czasami być zaletą, jeśli prowadzą do nowych pomysłów wartych przetestowania.

„Nadzorcze programy LLM zapewniają skalowalną, kreatywną warstwę badań naukowych i mogą pomóc nam, naukowcom w badaniu nowych kierunków, o których wcześniej nie myśleliśmy” – powiedział profesor Ross King z Wydziału Inżynierii Chemicznej i Biotechnologii w Cambridge, który kierował badaniami. „Może to być przydatne w takich obszarach, jak odkrywanie leków, gdzie należy zbadać wiele tysięcy związków”.

Na podstawie informacji uzyskanych od naukowców uczestnicy projektu GPT-4 dobrali leki w oparciu o wzajemne oddziaływanie myślenia biologicznego i wzorców ukrytych w literaturze naukowej.

To nie jest automatyzacja zastępująca naukowców, ale nowy sposób współpracy. Kierując się podpowiedziami ekspertów i opiniami eksperymentalnymi, sztuczna inteligencja działała jak niestrudzony partner badawczy, poruszając się po ogromnej przestrzeni hipotez i sugerując pomysły, których samodzielne osiągnięcie zajęłoby ludziom więcej czasu. „

Dr Hector Zenil, współautor z King's College London

Halucynacje – zwykle uważane za wady – stały się cechą charakterystyczną, tworząc niekonwencjonalne kombinacje warte przetestowania i walidacji w laboratorium. Naukowcy-ludzi zbadali mechanistyczne powody, dla których LLM w pierwszej kolejności zasugerował te kombinacje, zasilając system tam i z powrotem w wielu iteracjach.

Badając subtelne synergie i przeoczone ścieżki, GPT-4 pomógł zidentyfikować sześć obiecujących par leków, wszystkie przetestowane w eksperymentach laboratoryjnych. Wśród kombinacji, symwastatyna (powszechnie stosowana w celu obniżenia poziomu cholesterolu) i disulfiram (stosowany w leczeniu uzależnienia od alkoholu) wyróżniały się na tle komórek raka piersi. Niektóre z tych kombinacji wykazują potencjał do dalszych badań w zakresie zadośćuczynienia terapeutycznego.

Leki te, choć nie są tradycyjnie kojarzone z leczeniem raka, mogą stanowić potencjalne metody leczenia raka, chociaż najpierw musiałyby zostać przeprowadzone badania kliniczne na dużą skalę.

„To badanie pokazuje, w jaki sposób sztuczną inteligencję można zintegrować bezpośrednio z pętlą iteracyjną odkryć naukowych, umożliwiając generowanie i weryfikację hipotez opartych na danych w czasie rzeczywistym” – powiedział Zenil.

„Zdolność nadzorowanych menedżerów LLM do proponowania hipotez z różnych dyscyplin, uwzględniania wcześniejszych ustaleń i współpracy nad iteracjami przekraczającymi nowe granice badań naukowych” – stwierdził King. „Naukowiec zajmujący się sztuczną inteligencją nie jest już metaforą bez potwierdzenia eksperymentalnego: może teraz być współpracownikiem w procesie naukowym”.

Badania były częściowo wspierane przez Fundację Alice Wallenberg oraz brytyjską Radę ds. Badań nad Inżynierią i Naukami Fizycznymi (EPSRC).

Źródła: