Novi AI softver mogao bi ubrzati razvoj lijekova

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Otkrivanje i razvoj lijekova u farmakološkim istraživanjima - uključujući procjenu rizika aktivnih tvari u ranoj fazi razvoja lijekova - još uvijek se uvelike oslanja na pokuse na životinjama. Osim etičkih pitanja, studije na životinjama vrlo su skupe i dugotrajne. Također obično zahtijevaju stalan nadzor i procjenu od strane visokokvalificiranog osoblja. Razvoj automatiziranih metoda procjene koje se mogu koristiti umjesto standardnog testiranja na životinjama imao bi stoga širok raspon prednosti za otkrivanje lijekova. Potraga za ovim alternativnim metodama u središtu je projekta "Embryonet-AI", za koji Patrick Müller trenutno prima potporu Proof of Concept od European Research...

Novi AI softver mogao bi ubrzati razvoj lijekova

Otkrivanje i razvoj lijekova u farmakološkim istraživanjima - uključujući procjenu rizika aktivnih tvari u ranoj fazi razvoja lijekova - još uvijek se uvelike oslanja na pokuse na životinjama. Osim etičkih pitanja, studije na životinjama vrlo su skupe i dugotrajne. Također obično zahtijevaju stalan nadzor i procjenu od strane visokokvalificiranog osoblja. Razvoj automatiziranih metoda procjene koje se mogu koristiti umjesto standardnog testiranja na životinjama imao bi stoga širok raspon prednosti za otkrivanje lijekova.

Potraga za ovim alternativnim metodama u središtu je projekta "Embryonet-AI", za koji je Patrick Müller upravo dobio potporu Proof of Concept od Europskog istraživačkog vijeća (ERC) u vrijednosti od 150.000 eura. Müller je profesor razvojne biologije na Sveučilištu u Konstanzu i član Konstanz Cluster of Excellence - Collective Behavior. Njegov projekt temelji se na spoznajama koje su on i njegov tim stekli u projektu Ace-of-Space koji financira ERC ("Analiza, kontrola i inženjering formiranja prostorno-vremenskog uzorka"). Cilj Müllerovog novog projekta je daljnji razvoj softvera za analizu slike Embryonet potpomognutog umjetnom inteligencijom, koji automatski otkriva nedostatke koji nastaju tijekom razvoja životinjskih embrija.

Embryonet nudi brzu, ekonomičnu i vrlo preciznu procjenu utjecaja tvari na razvoj bioloških sustava. Negativni učinci kao što su vidljivi nedostaci u razvoju automatski se prepoznaju i povezuju s odgovarajućim signalnim putem. Embryonet čak nadmašuje ljudske stručnjake u točnosti. "Vidimo veliki potencijal za primjenu softvera u razvoju lijekova, posebno u ranoj fazi identificiranja potencijalno prikladnih tvari - za provođenje procjene rizika i proučavanje mehanizama djelovanja fluktuiranih lijekova", kaže Müller.

Ne samo za embrije

Patrick Müller i njegov tim prvi su put predstavili Embryonet u studiji iz 2023. koja je koristila embrije zebrice objavljenoj u časopisu Nature Methods. Softver je od tada proširen kako bi uključio organoide. "Organoidi su umjetna tkiva koja se proizvode u laboratoriju pomoću ljudskih matičnih stanica. Njihove strukture nalikuju malim organima poput jetre, bubrega ili mozga – i mogu se koristiti kao modeli za te organe u istraživanju lijekova", objašnjava Müller.

Kao dio Proof of Concept Granta, Müller i njegov tim dodatno će poboljšati AI modele na kojima se temelji Embryonet kako bi povećali njegovu točnost i, iznad svega, njegove funkcije. U isto vrijeme, tim želi stvoriti online platformu kako bi Embryonet bio dostupan korisnicima diljem svijeta. Kako bi postigli ovaj cilj, Müller i njegov tim radit će ruku pod ruku s drugim istraživačima, industrijskim partnerima i ključnim regulatorima kako bi osigurali da online platforma zadovolji potrebe svojih budućih korisnika i ispuni regulatorne zahtjeve. Opći cilj je razviti Embryonet u proizvod spreman za tržište.

Ideja: budući da je Embryonet potpuno automatiziran, farmaceutske tvrtke mogle bi u potpunosti integrirati platformu u svoje istraživačke kanale. Na primjer, možete koristiti Embryonet za istovremeno testiranje stotina tvari u visokoproduktivnom procesu na njihove učinke ili rizike za određene organe ili razvojne procese - bez dovršavanja dugih studija s velikim brojem testnih životinja za svaku pojedinačnu tvar. Embryonet također pruža informacije o mehanizmima djelovanja potencijalnih novih lijekova. “Dugoročno gledano, Embryonet bi tada mogao zamijeniti velik broj pokusa na životinjama u istraživanju lijekova i ubrzati konvencionalne procese putem automatizacije uz značajno smanjenje troškova”, zaključuje Patrick Müller.


Izvori:

Journal reference:

Čapek, D.,et al. (2023) EmbryoNet: korištenje dubokog učenja za povezivanje embrionalnih fenotipova sa signalnim putovima. Metode prirode. doi.org/10.1038/s41592-023-01873-4.