AI och mänskliga forskare arbetar tillsammans för att upptäcka nya kombinationer av cancerläkemedel

AI och mänskliga forskare arbetar tillsammans för att upptäcka nya kombinationer av cancerläkemedel

En "AI-forskare" som arbetar i samarbete med mänskliga forskare har funnit att kombinationer av billiga och säkra läkemedel - som används för att behandla tillstånd som högt kolesterol och alkoholberoende - också kan vara effektiva vid behandling av cancer, ett lovande nytt tillvägagångssätt för upptäckt av läkemedel.

University of Cambridge-ledda forskargruppen använde GPT-4 stora språkmodellen (LLM) för att identifiera dolda mönster begravda i bergen av vetenskaplig litteratur för att identifiera potentiella nya cancerläkemedel.

För att testa deras tillvägagångssätt ledde forskarna GPT-4 för att identifiera potentiella nya läkemedelskombinationer som kan ha en betydande inverkan på en bröstcancercellinje som vanligtvis används inom medicinsk forskning. De riktade det till att undvika vanliga cancerläkemedel, identifiera läkemedel som attackerar cancerceller utan att skada friska celler och prioritera läkemedel som var överkomliga och godkända av tillsynsmyndigheter.

GPT-4:s föreslagna läkemedelskombinationer testades sedan av mänskliga forskare både i kombination och individuellt för att mäta deras effektivitet mot bröstcancerceller.

I det första laboratoriebaserade testet fungerade tre av GPT-4:s 12 föreslagna läkemedelskombinationer bättre än nuvarande bröstcancerläkemedel. LLM lärde sig sedan av dessa tester och föreslog ytterligare fyra kombinationer, varav tre också visade lovande resultat.

Resultaten, rapporterade iJournal of the Royal Society Interfacerepresenterar den första instansen av ett slutet system där experimentella resultat styrde en LLM, och LLM-utgångar - tolkade av mänskliga forskare - guidade ytterligare experiment. Forskarna säger att verktyg som LLM:er inte kommer att ersätta forskare, utan kan istället övervaka AI-forskare, med förmågan att dyka upp, anpassa och påskynda upptäckter inom områden som cancerforskning.

Ofta returnerar LLM:er som GPT-4 resultat som inte är sanna, som kallas hallucinationer. Men i vetenskaplig forskning kan hallucinationer ibland vara en fördel om de leder till nya idéer värda att testa.

"Supervisory LLMs tillhandahåller ett skalbart, fantasifullt lager av vetenskaplig utforskning och kan hjälpa oss som mänskliga vetenskapsmän att undersöka nya vägar som vi inte tidigare hade tänkt på", säger professor Ross King från Institutionen för kemiteknik och bioteknik vid Cambridge, som ledde forskningen. "Detta kan vara användbart inom områden som läkemedelsupptäckt, där många tusentals föreningar behöver screenas."

Baserat på input från mänskliga forskare valde GPT-4 ut läkemedel baserat på samspelet mellan biologiskt tänkande och dolda mönster i den vetenskapliga litteraturen.

Detta är inte automatisering som ersätter forskare, utan ett nytt sätt att samarbeta. Guidad av expertuppmaningar och experimentell feedback, agerade AI som en outtröttlig forskningspartner, navigerade i ett enormt hypotesutrymme och föreslog idéer som skulle ta människor längre tid att uppnå på egen hand. "

Dr Hector Zenil, medförfattare från King's College London

Hallucinationerna – som normalt betraktas som defekter – blev ett inslag och skapade okonventionella kombinationer värda att testa och validera i laboratoriet. De mänskliga forskarna undersökte de mekanistiska skälen till att LLM föreslog dessa kombinationer i första hand, och matade systemet fram och tillbaka i flera iterationer.

Genom att utforska subtila synergier och förbisedda vägar hjälpte GPT-4 till att identifiera sex lovande läkemedelspar, alla testade genom laboratorieexperiment. Bland kombinationerna stack simvastatin (vanligtvis för att sänka kolesterol) och disulfiram (används vid alkoholberoende) ut mot bröstcancerceller. Några av dessa kombinationer visar potentialen för ytterligare forskning inom terapeutisk reparation.

Dessa läkemedel, även om de inte traditionellt förknippas med cancervård, kan vara potentiella cancerbehandlingar, även om de först skulle behöva genomföra storskaliga kliniska prövningar.

"Den här studien visar hur AI kan integreras direkt i den iterativa slingan av vetenskaplig upptäckt, vilket möjliggör generering och validering av de datainformerade hypoteserna i realtid," sa Zenil.

"Förmågan hos övervakade LLM:er att föreslå hypoteser över discipliner, överväga tidigare resultat och samarbeta om iterationer över en ny gräns inom vetenskaplig forskning," sa King. "En AI-forskare är inte längre en metafor utan experimentell validering: den kan nu vara en samarbetspartner i den vetenskapliga processen."

Forskningen stöddes delvis av Alice Wallenberg Foundation och UK Engineering and Physical Sciences Research Council (EPSRC).

Källor: