Nowe oprogramowanie AI może przyspieszyć opracowywanie leków

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Odkrywanie i rozwój leków w badaniach farmakologicznych – w tym ocena ryzyka substancji czynnych we wczesnej fazie opracowywania leku – nadal w dużej mierze opiera się na doświadczeniach na zwierzętach. Oprócz kwestii etycznych badania na zwierzętach są bardzo kosztowne i czasochłonne. Zwykle wymagają także stałego nadzoru i oceny przez wysoko wykwalifikowany personel. Opracowanie zautomatyzowanych metod oceny, które można zastosować zamiast standardowych testów na zwierzętach, przyniosłoby zatem szeroki zakres korzyści w zakresie odkrywania leków. Poszukiwanie tych alternatywnych metod jest głównym tematem projektu „Embryonet-AI”, na który Patrick Müller otrzymuje obecnie grant Proof of Concept od European Research...

Nowe oprogramowanie AI może przyspieszyć opracowywanie leków

Odkrywanie i rozwój leków w badaniach farmakologicznych – w tym ocena ryzyka substancji czynnych we wczesnej fazie opracowywania leku – nadal w dużej mierze opiera się na doświadczeniach na zwierzętach. Oprócz kwestii etycznych badania na zwierzętach są bardzo kosztowne i czasochłonne. Zwykle wymagają także stałego nadzoru i oceny przez wysoko wykwalifikowany personel. Opracowanie zautomatyzowanych metod oceny, które można zastosować zamiast standardowych testów na zwierzętach, przyniosłoby zatem szeroki zakres korzyści w zakresie odkrywania leków.

Poszukiwanie tych alternatywnych metod jest głównym tematem projektu „Embryonet-AI”, za który Patrick Müller właśnie otrzymał grant na weryfikację koncepcji od Europejskiej Rady ds. Badań Naukowych (ERC) o wartości 150 000 euro. Müller jest profesorem biologii rozwojowej na Uniwersytecie w Konstancji i członkiem Klastra Doskonałości w Konstancji – Zachowanie zbiorowe. Jego projekt opiera się na spostrzeżeniach, które on i jego zespół zdobyli w ramach finansowanego przez ERBN projektu Ace-of-Space („Analiza, kontrola i inżynieria formowania wzorców czasoprzestrzennych”). Celem nowego projektu Müllera jest dalszy rozwój oprogramowania do analizy obrazu wspomaganego sztuczną inteligencją Embryonet, które automatycznie wykrywa defekty powstające podczas rozwoju zarodków zwierzęcych.

Embryonet oferuje szybką, opłacalną i bardzo dokładną ocenę wpływu substancji na rozwój układów biologicznych. Negatywne skutki, takie jak widoczne wady rozwojowe, są automatycznie rozpoznawane i łączone z odpowiednią ścieżką sygnalizacyjną. Embryonet przewyższa nawet ludzkich ekspertów pod względem dokładności. „Widzimy ogromny potencjał zastosowania oprogramowania do opracowywania leków, szczególnie we wczesnej fazie identyfikowania potencjalnie odpowiednich substancji – do przeprowadzania oceny ryzyka i badania mechanizmów działania leków o wahaniach” – mówi Müller.

Nie tylko dla embrionów

Patrick Müller i jego zespół po raz pierwszy zaprezentowali Embryonet w badaniu przeprowadzonym w 2023 r. z wykorzystaniem zarodków danio pręgowanego, opublikowanym w czasopiśmie Nature Methods. Od tego czasu oprogramowanie zostało rozszerzone o organoidy. „Organoidy to sztuczne tkanki produkowane w laboratorium przy użyciu ludzkich komórek macierzystych. Ich struktura przypomina małe narządy, takie jak wątroba, nerki czy mózg, i można je wykorzystać jako modele tych narządów w badaniach nad lekami” – wyjaśnia Müller.

W ramach grantu Proof of Concept Müller i jego zespół będą dalej udoskonalać modele sztucznej inteligencji, na których opiera się Embryonet, w celu zwiększenia jego dokładności, a przede wszystkim funkcjonalności. Jednocześnie zespół chce stworzyć platformę internetową, dzięki której Embryonet będzie dostępny dla użytkowników na całym świecie. Aby osiągnąć ten cel, Müller i jego zespół będą współpracować z innymi badaczami, partnerami branżowymi i kluczowymi organami regulacyjnymi, aby zapewnić, że platforma internetowa spełnia potrzeby przyszłych użytkowników i wymagania regulacyjne. Ogólnym celem jest przekształcenie Embryonet w produkt gotowy do wprowadzenia na rynek.

Pomysł: Ponieważ Embryonet jest w pełni zautomatyzowany, firmy farmaceutyczne mogą w pełni zintegrować platformę ze swoimi procesami badawczymi. Można na przykład wykorzystać Embryonet do jednoczesnego testowania setek substancji w wysokowydajnym procesie pod kątem ich wpływu lub ryzyka dla określonych narządów lub procesów rozwojowych – bez konieczności kończenia długich badań z dużą liczbą zwierząt testowych w przypadku każdej pojedynczej substancji. Embryonet dostarcza także informacji na temat mechanizmów działania potencjalnych nowych leków. „W dłuższej perspektywie Embryonet mógłby zastąpić dużą liczbę eksperymentów na zwierzętach w badaniach nad lekami i przyspieszyć konwencjonalne procesy poprzez automatyzację, jednocześnie znacznie obniżając koszty” – podsumowuje Patrick Müller.


Źródła:

Journal reference:

Capek, D.,i in. (2023) EmbryoNet: wykorzystanie głębokiego uczenia się do powiązania fenotypów embrionalnych ze szlakami sygnałowymi. Metody natury. doi.org/10.1038/s41592-023-01873-4.