Прослеживая успехи, достигнутые ИИ в разработке лекарств, можно сказать, что существует огромный неиспользованный потенциал. В частности, в области терапевтических нанотел произошли относительно ограниченные прорывы, поскольку они требуют сложных междисциплинарных знаний. Пандемия COVID-19 потребовала разработки терапевтических нанотел, которые проявляют высокую аффинность связывания и стабильность к SARS-CoV-2 за короткий период. Однако разработка и тестирование нового препарата является ресурсоемкой и трудоемкой задачей. Исследователи из кафедры компьютерных наук и биомедицинских данных Стэнфордского университета и компании Chan Zuckerberg Biohub в Сан-Франциско использовали известную структуру Virtual Lab, которая помогла оптимизировать процесс разработки лекарств от их проектирования до тестирования.
Обычные методы включают экспериментальный скрининг больших библиотек кандидатов на нанотела против целевого антигена для выявления связывающих веществ с высоким сродством. Однако это требует значительного времени, ресурсов и труда. Также были разработаны вычислительные методы для идентификации кандидатов на нанотела, но было обнаружено, что им недостает точности, что может быть очень вредным, если их использовать в качестве терапевтического средства. Учитывая высокую скорость мутаций вируса SARS-CoV-2, крайне важно, чтобы значительное количество жизней было потеряно, пока лекарства находятся в процессе разработки. Эти ограничения создали нагрузку на систему здравоохранения.
Предлагаемый метод использует виртуальную лабораторную среду, где агенты искусственного интеллекта с различными областями знаний сотрудничают и решают проблему, имитируя реальную командную работу ученых. Вычислительный конвейер разрабатывается после проведения 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 имеет решающее значение для поиска потенциальных мутаций, которые усиливают связывание нанотел с шиповыми белками 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 связывающие свойства, особенно против новых вариантов JN.1 и KP.3 SARS-CoV-2, сохраняя при этом прочные взаимодействия с предковым шипом. белок. Это важный результат для демонстрации эффективности вычислительной системы виртуальной лаборатории в быстром создании жизнеспособных терапевтических кандидатов.
В заключение в этой статье описываются нанотела на основе искусственного интеллекта, полученные с использованием существующих экспериментальных методологий. Такая синергетическая структура нескольких искусственных агентов значительно повышает этапы проектирования и проверки по сравнению со многими устоявшимися методами, которые, как правило, требуют очень много времени и ресурсов. Оптимальная идентификация направленных нанотел против вариантов SARS-CoV-2 предоставляет важные доказательства того, что ИИ может оказаться решающим в ускорении терапевтических открытий. Этот новый подход повышает эффективность проектирования нанотел и способствует быстрому реагированию на возникающие вирусные угрозы. Это дает представление о колоссальном эффекте искусственного интеллекта в биомедицинских исследованиях и его применении в разработке терапии.
Проверить Бумага. Вся заслуга в этом исследовании принадлежит исследователям этого проекта. Также не забудьте подписаться на нас Твиттер и присоединяйтесь к нашему Телеграм-канал и LinkedIn Групс. Если вам нравится наша работа, вам понравятся наши информационный бюллетень.. Не забудьте присоединиться к нашему 59 тысяч+ ML SubReddit.
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.
