Отставая от достижений ИИ в разработке лекарств, можно сказать, что существует огромный неиспользованный потенциал. В частности, в области терапевтических нанотел достижения относительно ограничены, поскольку они требуют сложных междисциплинарных знаний. Пандемия COVID-19 подтолкнула к разработке терапевтических нанотел с высокой аффинностью связывания и стабильностью к SARS-CoV-2 за короткий период. Однако разработка и тестирование нового препарата требует много ресурсов и времени. Исследователи из кафедры биомедицинской информатики и науки о данных Стэнфордского университета и Биоцентра Чана Цукерберга в Сан-Франциско использовали замечательную структуру Virtual Lab, которая помогла оптимизировать процесс разработки лекарств — от проектирования до тестирования.
Обычные методы включают экспериментальный скрининг больших библиотек нанотел-кандидатов против целевого антигена для выявления связывающих веществ с высоким сродством. Однако это требует много времени, ресурсов и труда. Также были разработаны вычислительные методы для идентификации нанотел-кандидатов, но им не хватает точности, что может быть очень вредно, если их использовать в терапевтических целях. Учитывая высокую скорость мутаций вируса SARS-CoV-2, крайне важно, чтобы значительное количество жизней было потеряно, пока лекарства находятся в стадии разработки. Эти ограничения создали нагрузку на систему здравоохранения.
Предлагаемый метод использует виртуальную лабораторную среду, в которой агенты искусственного интеллекта с различными областями знаний сотрудничают и решают проблему, имитируя реальную командную работу ученых. Вычислительный конвейер разрабатывается после организации встреч между агентами ИИ. Ключевые компоненты этого трубопровода включают в себя:
- ESM (Моделирование в эволюционном масштабе): он анализирует последовательности белков и отмечает влияние различных мутаций на функцию и стабильность белка. Этот инструмент необходим для поиска потенциальных мутаций, которые улучшают связывание нанотела с белками-шипами нашего вируса.
- AlphaFold-Multimer: Чтобы предсказать белок-белковое взаимодействие между вирусом и нанотелом, AplhaFold-Multimer использует глубокое обучение и генерирует структурные прогнозы с высокой степенью достоверности.
- Розетта: Он использует итеративный процесс уточнения для оптимизации трехмерных структур спроектированных нанотел.
Экспериментальная проверка показала, что более 90% сконструированных нанотел были экспрессированы и растворимы, а два кандидата продемонстрировали превосходные свойства связывания, особенно против новых вариантов JN.1 и KP.3 SARS-CoV-2, сохраняя при этом сильные взаимодействия с предковым кончиком. . белок. Это критически важный результат, демонстрирующий эффективность вычислительной системы виртуальной лаборатории в быстром создании жизнеспособных терапевтических кандидатов.
В заключение в этой статье описываются нанотела, полученные на основе искусственного интеллекта, путем интеграции их с существующими экспериментальными методологиями. Такая синергетическая структура множества искусственных агентов значительно упрощает этапы разработки и проверки многих устоявшихся методов, которые, как правило, требуют много времени и ресурсов. Оптимальная идентификация нанотел, направленных против вариантов SARS-CoV-2, предоставляет важные доказательства того, что ИИ может оказаться ключом к ускорению терапевтических открытий. Этот новый подход повышает эффективность проектирования нанотел и способствует быстрому реагированию на возникающие вирусные угрозы. Это дает перспективу, которая подчеркивает далеко идущие последствия искусственного интеллекта в биомедицинских исследованиях и его применения в разработке методов лечения.
Проверять бумага. Вся заслуга в этом исследовании принадлежит исследователям этого проекта. Также не забудьте подписаться на нас Твиттер и присоединяйтесь к нашему Telegram-канал И LinkedIn Групс. Если вам нравится наша работа, вам понравятся наши бюллетень.. Не забудьте присоединиться к нашему Субреддит: более 59 000 ML.
Афира Насим — стажер-консультант в Marktechpost. Она получает степень бакалавра технических наук в Индийском технологическом институте (ИИТ) в Харагпуре. Она увлечена наукой о данных и очарована ролью искусственного интеллекта в решении реальных проблем. Ей нравится открывать новые технологии и изучать, как они могут сделать повседневные задачи проще и эффективнее.
