CP v2

Tag: Vaistų kūrimas

  • DI medicina žada lūžį: kurią ligą žmonija pirmą įveiks – vėžį, maliariją ar diabetą?

    Dirbtinis intelektas vis sparčiau keičia mediciną: padeda gydytojams tvarkyti dokumentus, tikslina diagnostiką ir greitina naujų vaistų kūrimą. DI modeliai geba apdoroti milžiniškus biologinių duomenų kiekius ir prognozuoti, kaip sąveikaus molekulės, todėl kelias nuo idėjos iki kandidato vaistui trumpėja.

    Vis dėlto klausimas, kuri liga galėtų tapti pirmąja, kurią žmonija realiai įveiks pasitelkusi DI, kol kas lieka atviras. Dažniausiai minimi trys scenarijai: ypač agresyvus vėžys, užkrečiamoji liga ir autoimuninė būklė, kuriai prireiktų proveržio ląstelių terapijose.

    Vienas dažnai aptariamų kandidatų – kasos vėžys, nes didžiausia problema čia yra vėlyvas nustatymas ir ribotos gydymo galimybės. DI jau taikomas vaizdų analizei, kad būtų tiksliau atpažįstami ankstyvi pakitimai radiologiniuose tyrimuose, o taip pat kuriami rizikos vertinimo modeliai, sujungiantys laboratorinius ir klinikinius duomenis.

    Šiam scenarijui svarbus ir vaistų kūrimo pagreitis, nes DI įrankiai leidžia greičiau atrinkti perspektyvias molekules ir taikinius. Kartu su tikslesne atranka, kam ir kada reikalingi specifiniai tyrimai, tai gali reikšmingai didinti ankstyvų stadijų aptikimo dalį, kuri kasos vėžio atveju lemia išgyvenamumą.

    Kita kryptis – maliarija, nes tai infekcija su aiškiu sukėlėju, o prevencija ir kontrolė remiasi keliomis grandimis: diagnostika, gydymu, vakcinomis ir pernešėjų kontrole. DI gali padėti modeliuoti protrūkius, tikslinti rizikos žemėlapius, optimizuoti išteklių paskirstymą ir greičiau identifikuoti vaistams atsparių parazito atmainų plitimą.

    Maliarijos atveju DI nauda ypač didelė ten, kur sprendimus reikia priimti greitai ir remiantis nepilnais duomenimis. Vis dėlto net ir geriausi algoritmai nepakeis praktinių sąlygų: sveikatos sistemos pajėgumų, vakcinų aprėpties, diagnostikos prieinamumo ir nuoseklių prevencijos programų.

    Trečias scenarijus – 1 tipo cukrinis diabetas, kuriame esminė problema yra autoimuninė reakcija, sunaikinanti insuliną gaminančias beta ląsteles. DI čia siejamas su pažangesniais ląstelių terapijos sprendimais, biomaterialais ir individualizuotu gydymu, kai nuo nuolatinės insulino terapijos pereinama prie funkcionaliai atkurtos insulino gamybos.

    Tokie lūkesčiai remiasi tendencija, kad DI vis plačiau naudojamas kuriant ir optimizuojant biologines terapijas, ieškant naujų molekulinių taikinių ir tikslinant pacientų atranką klinikiniams tyrimams. Tačiau „visiškas įveikimas“ čia reikštų ne vien technologinį sprendimą, bet ir ilgalaikį saugumą, prieinamą kainą bei reguliacinį aiškumą.

    Praktikoje tikėtina, kad pirmasis didysis proveržis bus ne vienos technologijos pergalė, o kelių krypčių sintezė. DI stipriausias tada, kai sujungiamas su genetika, biotechnologijomis, naujais vaistais, patikimesniais tyrimais ir aiškiais klinikiniais protokolais, o tai ypač svarbu norint realių rezultatų, o ne vien ambicingų prognozių.

  • Amazonė slepia šimtus mlrd. eurų vertės vaistų užuomazgas: kirtimai naikina tai, ko ieško farmacijos milžinės

    Amazonė slepia šimtus mlrd. eurų vertės vaistų užuomazgas: kirtimai naikina tai, ko ieško farmacijos milžinės

    Tropiniai miškai, ypač Amazonė, gali slėpti dar neatrastų augalinių junginių, kurie ateityje taptų naujų vaistų pagrindu. Organizacijos Zero Carbon Analytics vertinimu, vien farmacijos pramonės požiūriu potenciali tokių atradimų komercinė vertė gali siekti šimtus milijardų eurų.

    Skaičiavimuose pabrėžiama, kad bendras intervalas platus, nes dalis prielaidų remiasi neištirta biologine įvairove ir tuo, kiek sėkmingai mokslas geba paversti junginius vaistais. Vis dėlto Amazonė, kuriai priskiriama apie 30 proc. šio potencialo, išskiriama kaip vienas svarbiausių pasaulio bioišteklių regionų.

    Kodėl gamta svarbi vaistams

    Natūralios kilmės medžiagos šiuolaikinėje medicinoje išlieka kritiškai svarbios, ypač kuriant priešvėžinius preparatus ir antibiotikus. Ekspertų apžvalgos rodo, kad reikšminga dalis priešvėžinių vaistų istorijoje buvo tiesiogiai susiję su natūraliais produktais arba sukurti remiantis gamtoje randamomis molekulėmis.

    Mokslininkai taip pat pabrėžia, kad didžioji dalis augalų gaminamų cheminių junginių iki šiol nėra nuodugniai ištirti. Tai reiškia, kad prarandant rūšis prarandama ir galimybė apskritai sužinoti, ar jos galėjo pasiūlyti proveržį gydyme.

    Kirtimai naikina būsimus atradimus

    Didžiausia problema ta, kad miškų naikinimas vyksta greičiau, nei spėjama inventorizuoti rūšis ir tirti jų savybes. Zero Carbon Analytics analizė teigia, kad nuo 2001 metų dėl tropinių miškų kirtimų galėjo būti prarasta dešimčių milijardų eurų potenciali komercinė vertė, susijusi su būsimais vaistais.

    Amazonėje rizika laikoma ypač didele dėl endeminių rūšių, kurios neaptinkamos niekur kitur pasaulyje. Jei tokia rūšis išnyksta, kartu išnyksta ir visa jos biocheminė įvairovė, kuri galėjo tapti naujos terapijos atspirties tašku.

    Ne tik pinigai, bet ir visuomenės nauda

    Analizė atskiria komercinę vertę nuo vadinamosios socialinės vertės, kuri apima visuomenės sveikatos naudą, pavyzdžiui, išgelbėtas gyvybes ar sumažėjusias gydymo išlaidas. Skaičiuojama, kad tropiniuose miškuose slypintys dar neatrasti vaistai teoriškai galėtų turėti trilijonais eurų matuojamą socialinę vertę.

    Autoriai pabrėžia ir kitą svarbų aspektą: vietos bendruomenės Amazonėje šimtmečius naudojo augalus gydymo praktikoje ir sukaupė žinių, kurios gali padėti moksliniams tyrimams. Todėl vis dažniau akcentuojama, kad bioprospekcija turi vykti laikantis sąžiningo naudos pasidalijimo principų ir gerbiant čiabuvių teises.

    Amazonės atvejis vis aiškiau parodo paradoksą: kuo sparčiau nyksta miškas, tuo greičiau prarandami potencialūs medicinos atradimai, net jei apie jų egzistavimą dar nespėta sužinoti. Mokslininkai ir aplinkosaugos organizacijos pabrėžia, kad miškų apsauga šiuo atveju tampa ne tik klimato, bet ir visuomenės sveikatos klausimu.

  • „Basecamp Research“ pritraukė apie 130 mln. eurų: DI vaistams kurti remia Nvidia ir Anthropic

    „Basecamp Research“ pritraukė apie 130 mln. eurų: DI vaistams kurti remia Nvidia ir Anthropic

    Jungtinės Karalystės gyvybės mokslų startuolis „Basecamp Research“ pritraukė apie 130 mln. eurų C serijos investiciją. Prie finansavimo raundo prisijungė „Nvidia“ ir naujas investuotojas „Anthropic“, o sandoris išsiskiria kaip vienas stambesnių tokios stadijos biotechnologijų rinkoje.

    Londone įkurta bendrovė kuria dirbtinio intelekto sprendimus, kurie, pasitelkdami biologinės įvairovės ir genomikos duomenis, turėtų pagreitinti naujų vaistų kūrimą. Įmonė orientuojasi į onkologinių, autoimuninių ir kitų sudėtingų ligų gydymo kryptis, kuriose didelę reikšmę turi tikslus biologinių taikinių parinkimas ir molekulių dizainas.

    Finansavimo raundui vadovavo S32, Kalifornijos rizikos kapitalo fondas, įkurtas Billo Mariso, anksčiau vadovavusio „Google“ patronuojamos grupės „Alphabet“ investiciniam padaliniui GV. Į raundą taip pat investavo „Nvidia“ rizikos kapitalo padalinys NVentures bei „Anthropic“ „Anthology Fund“, kurį „Anthropic“ vykdo kartu su rizikos kapitalo bendrove „Menlo Ventures“.

    Tarp kitų investuotojų minimi „Catalio“, NATO Innovation Fund, „Rockefeller“, European Tech Collective ir Jungtinės Karalystės vyriausybės Sovereign AI Fund. Bendrovė skelbia, kad tai leis spartinti naujos kartos jos modelių mokymą ir plėsti DI suprojektuotų terapijų kūrimo programą, artinant ją prie klinikinės plėtros etapų.

    „Basecamp Research“ teigia kurianti biologinius pagrindinius modelius, vadinamus „Eden“, kurie taikomi terapiniam dizainui. Viena prioritetinių krypčių yra in vivo ląstelių terapija, kai paciento ląstelės perprogramuojamos organizme, o ne laboratorijoje, taip siekiant paprastesnio pritaikymo ir mažesnių kaštų.

    Bendrovės vertinimu, šiuo metu dalį ląstelių terapijų riboja ne tik jų „krovinio“ sudėtingumas, bet ir brangus gamybos procesas, kai vienam pacientui išlaidos gali siekti šimtus tūkstančių eurų. Įmonė tikisi, kad DI sugebėjimas projektuoti ilgas ir sudėtingas DNR sekas, derinamas su specializuotais fermentais, galinčiais tiksliai pristatyti genetinę informaciją, padės kurti labiau pritaikomas ir lengviau administruojamas terapijas.

    Startuolį 2019 metais įkūrė gydytojai Glenas Gowersas ir Oliveris Vince’as. Bendrovė pabrėžia, kad jos modeliai mokomi naudojant didelės apimties nuosavą genomikos duomenų rinkinį, surinktą per partnerystes daugiau nei 30 šalių, o naujas kapitalas turėtų sustiprinti tiek duomenų, tiek skaičiavimo infrastruktūros pajėgumus.

    „Tikime, kad medicinos ateitis yra kūno perprogramavimas, kad jis pats galėtų save taisyti“, – sakė Glenas Gowersas.

    „Glenas ir Oliveris susipažino studijuodami Oksforde ir, užuot pasirinkę akivaizdų kelią, į Arktį nusigabeno nešiojamą laboratoriją ir atliko tai, ko niekas anksčiau nebuvo padaręs: DNR sekoskaitą visiškai neprisijungus prie tinklų“, – sakė Sovereign AI atstovė Joséphine Kant.

    Pastaraisiais metais DI taikymas vaistų kūrime tapo viena aktyviausių biotechnologijų investicijų temų, tačiau investuotojai vis dažniau reikalauja aiškaus kelio nuo modelių demonstracijų iki realių ikiklinikinių ir klinikinių rezultatų. „Basecamp Research“ teigimu, papildomas finansavimas gautas po daug žadančių ikiklinikinių rezultatų keliose ligų srityse, o kuriamas terapijų portfelis juda klinikinės plėtros link.

  • Londono „Big Picture Bio“ gavo 2,55 mln. eurų: DI padės kurti vėžio vaistų derinius

    Londono „Big Picture Bio“ gavo 2,55 mln. eurų: DI padės kurti vėžio vaistų derinius

    Londone įsikūręs biotechnologijų startuolis „Big Picture Bio“ paskelbė baigęs „slapto režimo“ etapą ir pritraukęs 2,55 mln. eurų finansavimą. Įmonė kuria dirbtinio intelekto pagrindu modeliuojamas kombinuotas terapijas vėžiui ir kitoms sudėtingoms ligoms.

    Pasak bendrovės, pinigai bus skirti pirmuosius kompiuteriniu būdu atrinktus vaistų derinius perkelti į laboratorinius tyrimus, kur bus tikrinamas jų veiksmingumas. Tokia kryptis atspindi platesnę farmacijos sektoriaus tendenciją mažinti brangų bandymų ir klaidų ciklą ankstyvose vaistų kūrimo stadijose.

    Finansavimą sudaro apie 1,75 mln. eurų ikisėklinė investicija, kurią bendrai vedė fondai „Kadmos Capital“ ir „Exceptional Ventures“. Taip pat skirta apie 815 000 eurų nedilucinio finansavimo per „Innovate UK“ programą „Investor Partnerships“, o prie raundo prisidėjo „Gloucester Ventures“ ir privatus investuotojas John White.

    Startuolį įkūrė vadovė dr. Kerstin Papenfuss ir technologijų vadovas dr. Mark Hammond. Abu jie anksčiau dirbo „Deep Science Ventures“, kur užsiėmė terapijų ir su vaistų kūrimu susijusių technologijų projektų vystymu.

    „Big Picture Bio“ teigia sukūrę generatyvinį vadinamąjį pasaulio modelį, kuris simuliuoja naviko, imuninių ląstelių ir aplinkinių audinių sąveikas. Tikslas yra ne tik parinkti, kurie vaistai galėtų veikti kartu, bet ir nustatyti jų skyrimo seką, kad būtų galima kuo ilgiau atitolinti atsparumo gydymui atsiradimą.

    Įmonė pabrėžia, kad tradiciniai laboratoriniai atrankos metodai greitai atsiremia į mastelio ribas, kai kalbama apie derinių skaičių. Pavyzdžiui, vien 100 vaistų ir 100 dozių porinių kombinacijų pilnas ištyrimas, bendrovės skaičiavimu, pareikalautų maždaug 50 mln. atskirų eksperimentų.

    „Vėžys nėra viena liga, kurią lemia vienas taikinys, tačiau vaistus vis dar kuriame tarsi taip būtų. Deriniai yra kelias į pergalę, bet kai jų teoriškai galima sudaryti daugiau nei 900 mlrd., jokia laboratorija negali jų visų išbandyti“, – sakė „Big Picture Bio“ vadovė ir bendraįkūrėja dr. Kerstin Papenfuss.

    „Būtent tam ir kūrėme „Big Picture Bio“: modeliuoti ligą kaip dinamišką sistemą ir pagal tai projektuoti derinius, kurie labiausiai tikėtina veiks pacientams, o ne tik tuos, kuriuos patogiausia išbandyti. Šis finansavimas leis pirmuosius mūsų sukurtus derinius perkelti iš modelio į laboratoriją“, – pridūrė ji.

    Įmonės teigimu, jos prognozavimo metodas jau buvo tikrintas su realiais klinikiniais duomenimis. „Big Picture Bio“ taip pat nurodo pateikusi 14 prognozių prieš 2026 metais vykusią ASCO onkologijos konferenciją ir teigia, kad 12 jų pasitvirtino.

    Investuotojai akcentuoja, kad didžiausia vertė slypi ne vien naujų molekulių paieškoje, o gebėjime patikimiau numatyti, kaip elgsis sudėtingi klinikiniai tyrimai. Tai ypač aktualu onkologijoje, kur derinant vaistus svarbu suderinti veiksmingumą, toksikologiją ir paciento imuninės sistemos reakcijas.

    Startuoliui konsultuoja patyrusių farmacijos sektoriaus specialistų komanda, įskaitant kelių tarptautinių bendrovių onkologijos ir vaistų vertinimo ekspertus. Bendrovė planuoja pradėti nuo vėžio ir imuninės sistemos tarpininkaujamų ligų, o vėliau siekti kurti gydymo schemas neapsiribojant esamų vaistų permaišymu.

    Rinkoje, kur DI sprendimai vis dažniau naudojami taikinių identifikavimui, molekulių atrankai ir klinikinių tyrimų dizainui, „Big Picture Bio“ stato ant kombinacinės terapijos optimizavimo. Jei metodika pasiteisins „šlapiuose“ eksperimentuose ir vėliau klinikoje, tai galėtų reikšti greitesnį kelią iki tiksliau parinktų gydymo derinių ir mažesnę nesėkmių riziką brangiausioje vaistų kūrimo stadijoje.

  • „Anthropic“ slapta atidarė biologijos laboratoriją: DI „Claude“ priartins naujų vaistų proveržį

    „Anthropic“ slapta atidarė biologijos laboratoriją: DI „Claude“ priartins naujų vaistų proveržį

    Dirbtinio intelekto modelio „Claude“ kūrėja „Anthropic“ San Fransisko įlankos regione įkūrė vadinamąją šlapiąją biologijos laboratoriją, kurioje vykdomi realūs eksperimentai, o ne vien kompiuterinės simuliacijos. Bendrovė tikisi, kad DI ir automatizacija leis greičiau tikrinti hipotezes, kurti patikimesnius biologinius duomenų rinkinius ir spartinti darbą su sudėtingomis ligomis.

    Naujoji infrastruktūra sujungia vidinius tyrimus ir projektus su išoriniais partneriais, o ambicijos skamba drąsiai: siekiama paspartinti pažangą gyvybės moksluose kelis kartus. „Anthropic“ pabrėžia, kad laboratorija nėra skirta tiesiogiai kurti vaistus nuo nulio, tačiau turi padėti sukurti geresnius modelius ir procesus, kurie vėliau pritaikomi farmacijos bei biotechnologijų ekosistemoje.

    „Biologijoje galutinis išbandymas vis dar vyksta ir dar kurį laiką vyks tikroje laboratorijoje“, – sakė „Anthropic“ gyvybės mokslų vadovas Ericas Kauderer-Abramsas.

    Vienas svarbiausių laboratorijos akcentų – fizinė automatizacija, kai robotinės sistemos atlieka dalį rutininių procedūrų, o „Claude“ padeda planuoti, koordinuoti ir stebėti procesus. Tokia kryptis atliepia visame pasaulyje augančią laboratorijų automatizacijos tendenciją, kai siekiama mažinti žmogiškų klaidų riziką, didinti pakartojamumą ir greičiau generuoti palyginamus rezultatus.

    „Anthropic“ taip pat pristato atvirą standartą „Model Hardware Standard“, skirtą tam, kad DI galėtų aiškiau ir saugiau sąveikauti su laboratorine įranga. Praktikoje tai reiškia bandymą sukurti vienodesnes taisykles, kaip modeliai gauna užduotis, kaip jos verčiamos į veiksmus aparatuose ir kaip fiksuojami rezultatai, kad būtų paprasčiau integruoti skirtingus įrenginius.

    Šis žingsnis sutampa su rinkoje stiprėjančia DI ir biotechnologijų konvergencija, kai technologijų bendrovės ieško realaus pritaikymo už teksto ar vaizdų generavimo ribų. Daug dėmesio skiriama baltymų, nukleorūgščių ir sudėtingų biologinių sistemų analizei, o ypač toms sritims, kur didelės apimties duomenys ir automatizuoti bandymai gali sutrumpinti ciklą nuo idėjos iki patikrinamo eksperimento.

    Plėtra reikalauja ir specifinių kompetencijų, todėl „Anthropic“ samdo biochemijos, baltymų charakterizavimo, laboratorinių operacijų bei pirkimų specialistus. Tokios komandos svarbios tam, kad DI siūlomos kryptys būtų tikrinamos pagal griežtas laboratorines procedūras, o rezultatų kokybė atitiktų biotechnologijų standartus.

    Kartu išlieka jautrus saugumo klausimas: pažangūs modeliai gali būti panaudoti ne tik medicinai, bet ir žalingiems tikslams, todėl bendrovė akcentuoja žmogaus priežiūrą bei kontrolės mechanizmus. Pasak įmonės atstovų, automatizacija yra ankstyvoje stadijoje, o kritiniai sprendimai ir rizikų vertinimas turi likti tyrėjų rankose.

    Komercinis kontekstas taip pat įtemptas: farmacijos milžinai neretai baiminasi duomenų nutekėjimo, kai bendradarbiaujama su išoriniais DI tiekėjais. „Anthropic“ teigia diegianti griežtą partnerių duomenų izoliavimą ir siūlanti įrankius bei automatizacijos standartus didelėms biotechnologijų ir farmacijos organizacijoms, tačiau rinkoje pasitikėjimas dažnai užsitarnaujamas tik per laiką ir skaidrią praktiką.

    Strategiškai tai rodo, kad DI lenktynės persikelia į laboratorijas: vertė kuriama ne vien modelio gebėjimu atsakyti į klausimą, bet ir tuo, ar jis gali padėti patikimai suplanuoti eksperimentą, jį įvykdyti ir išmatuoti rezultatą. Jei „Anthropic“ pavyks sujungti DI, robotiką ir standartizuotą aparatūros valdymą, tai gali tapti reikšmingu postūmiu vaistų paieškos ir retų ligų tyrimų srityse, nors kelias iki klinikinių proveržių paprastai būna ilgas.

  • DI šokas biotechnologijose: „Anthropic“ Claude beveik trigubai pralenkė įprastą baltymų kūrimo normą

    DI šokas biotechnologijose: „Anthropic“ Claude beveik trigubai pralenkė įprastą baltymų kūrimo normą

    „Anthropic“ sukurti agentiniai dirbtinio intelekto modeliai „Claude Mythos Preview“ ir „Claude Opus 4.8“ pasiekė rekordinį autonominio baltymų, galinčių „prisijungti“ prie pasirinktų biologinių taikinių, projektavimo rezultatą. Nepriklausomų laboratorijų „Adaptyv Bio“ ir „Twist Bioscience“ bandymuose sistema sėkmingai sugeneravo veikiančius junginius 14 iš 15 vertintų terapinių taikinių, o bendra sėkmė siekė 22,6–35,1 proc. Tai gerokai viršija dažnai minėtą 10–15 proc. lygį, būdingą ankstesnėms tokio tipo kampanijoms.

    Esminis pokytis – ne vien geresnis tikslumas, bet ir proceso automatizavimas. Ten, kur anksčiau skaičiavimų ir atrankų etapas reikalavo ištisų savaičių žmogaus darbo, šį kartą DI pats parinko „atakos“ vietas taikinyje, pasirinko generavimo metodus, sukūrė baltymų karkasus ir optimizavo sekas. Iš 1 320 suprojektuotų struktūrų laboratorijoje realiai susintetinta ir patikrinta 354, patvirtinant, kad skaitmeniniai sprendimai gali virsti apčiuopiamais molekuliniais rezultatais.

    Ryškiausias pavyzdys užfiksuotas su taikiniu RBX1 – nedideliu baltymu, dalyvaujančiu ląstelės „atliekų“ tvarkymo mechanizmuose. Atvirame dizaino konkurse, kuriame dalyvavo 245 žmonės, sėkmė siekė 3,7 proc., o „Claude Mythos Preview“, dirbdamas su vienu taikiniu, pasiekė 40 proc. Tokie skirtumai rodo, kad agentiniai modeliai gali perkelti biotechnologijų eksperimentus į naują produktyvumo lygį.

    Skirtumas matuotas ne tik „pataikymų“ skaičiumi, bet ir ryšio stiprumu. Pranešama, kad geriausias DI sukurtas variantas su taikiniu susijungė maždaug dešimt kartų stipriau nei žmonių sukurta laimėjusi konstrukcija: 3,9 nM prieš 45 nM. Vaistų kūrime tai svarbu, nes stipresnis ir tikslesnis prisijungimas dažnai yra vienas pirmųjų žingsnių link efektyvesnės terapijos.

    Didelis efektyvumas pasiektas ir kituose taikiniuose, įskaitant TREM2, siejamą su Alzheimerio ligos tyrimais. Čia 72 iš 90 suprojektuotų baltymų parodė prisijungimą, o tai sudaro 80 proc. Tuo metu taikinyje TNFα, kuris yra svarbus priešuždegiminių vaistų kontekste, „Claude Opus 4.8“ sukūrė prisijungiančias molekules ne tik žmogaus baltymui, bet ir jo analogams beždžionėse bei pelėse, kas reikšminga ikiklinikiniams tyrimams.

    Lygiagrečiai aprašytas ir kitas pasiekimas – greitesnė analitinės chemijos duomenų interpretacija. „Claude Opus 5“ gavęs žalius NMR ir LC-MS failus bei trumpą užduotį, analizę atliko atitinkamai per 23 ir 19 minučių, kai tradicinis laboratorinis raportas, teigiama, užtruko 4 dienas. Ċia svarbu tai, kad DI priartėja prie gebėjimo ne tik generuoti kandidatines molekules, bet ir greitai vertinti eksperimentinius duomenis.

    Vis dėlto kampanija atskleidė ir ribas. Sistema nesugebėjo sukurti patvirtintų prisijungiančių baltymų MBP taikiniui, kurio paviršius apibūdinamas kaip lygus ir hidrofiliškas, o vienu atveju nė vienas iš 90 bandymų nebuvo pilnai patvirtintas laboratorijoje. Papildomai pažymėta problema, kad vidiniai kokybės filtrai ne visada patikimai įspėja apie nesėkmę, nes pasitikėjimo įverčiai gali būti panašūs tiek sėkminguose, tiek nepavykusiuose bandymuose.

    Kūrėjai pabrėžia, kad prisijungiančio baltymo sukūrimas yra tik pradžia, o iki vaisto dar lieka ilgas kelias: optimizavimas, saugumo patikros ir klinikiniai tyrimai. Tačiau tokie rezultatai keičia pradinio etapo ekonomiką, nes ankstyvasis paieškos ir atrankos darbas gali būti atliekamas greičiau ir su mažesnėmis komandomis. Nurodoma, kad vienos tokios kampanijos skaičiavimo ir infrastruktūros kaštai siekė maždaug 9 000–46 000 eurų.

    Infrastruktūra rėmėsi „Claude Science“ aplinka ir „Modal“ skaičiavimo resursais, tačiau prieiga prie biologinio projektavimo funkcijų plačiajai auditorijai ribojama. „Anthropic“ aiškina, kad taip elgiasi dėl dvigubo panaudojimo rizikos, kai pažangūs biologinio dizaino įrankiai teoriškai galėtų būti nukreipti ir į žalingus tikslus. Bendrovė žada prieigą atverti per atskirą programą, skirtą tik patikrintiems mokslininkams ir tyrimų institucijoms.

    Ilgalaikė kryptis aiški: biotechnologijos juda link modelių, kurie galėtų autonomiškai sujungti visą grandinę nuo idėjos iki kandidato testavimo planų, apimdami skirtingų tipų terapines molekules. Jei tokios sistemos taps patikimesnės, jos gali reikšmingai sutrumpinti ankstyvąją vaistų kūrimo fazę ir sumažinti kliūtis mažesnėms laboratorijoms, kurios iki šiol neturėjo didelių resursų didelio masto paieškai.

  • DI agentai laboratorijose keičia žaidimą: „Google DeepMind“ ir „FutureHouse“ žada šuolį vaistuose

    DI agentai laboratorijose keičia žaidimą: „Google DeepMind“ ir „FutureHouse“ žada šuolį vaistuose

    DI agentai perima rutiną

    Biomedicinos laboratorijose vis ryškiau matoma kryptis, kai dalį tyrėjo darbo perima autonominiai DI agentai. Jie greitina literatūros analizę, hipotezių kūrimą, duomenų interpretavimą ir net eksperimentų planavimą, todėl tai, kas anksčiau užtrukdavo mėnesius, kai kuriais atvejais sutrumpėja iki dienų.

    Žurnale Nature pastaruoju metu pristatyti keli nepriklausomi sprendimai rodo, kad daugiaagentės sistemos gali veikti kaip tarpusavyje besitikrinančių specialistų komanda. Tokia architektūra ypač vertinama ten, kur reikia vienu metu apdoroti daug šaltinių ir greitai patikrinti alternatyvias kryptis.

    „Tai primena skaitmeninę mokslininko mąstymo proceso versiją, o tikslas yra suteikti tyrėjams daugiau galios“, – sakė „Google DeepMind“ tyrėjas Vivekas Natarajanas.

    „Co-Scientist“ ir „Robin“: nuo hipotezių iki rezultatų

    Vienas iš aptariamų pavyzdžių yra „Google DeepMind“ sukurtas „Co-Scientist“, paremtas „Gemini“ architektūra. Sistema sukurta taip, kad generuotų struktūruotas mokslines hipotezes ir jas iteratyviai tobulintų, kai skirtingi agentai pateikia kritiką, alternatyvas ir patikslinimus.

    Publikacijose aprašoma, kad įrankis buvo taikytas ieškant jau patvirtintų vaistų naujoms indikacijoms, įskaitant ūminę mieloidinę leukemiją. DI sugeneravo kandidatų sąrašą, o žmonės tyrėjai atrinko kelias medžiagas laboratoriniams bandymams, kur dalis jų parodė perspektyvius rezultatus ląstelių tyrimuose.

    Kitas Nature aprašytas sprendimas yra ne pelno organizacijos „FutureHouse“ platforma „Robin“, kuri orientuota į uždaros tyrimų kilpos principą. Tai reiškia, kad sistema gali parengti literatūros apžvalgą, suformuoti hipotezę, pasiūlyti eksperimentų planą ir vėliau interpretuoti gautus duomenis, nors pačius bandymus vis dar atlieka žmonės laboratorijoje.

    „Robin“ pademonstruotas ir su amžine geltonosios dėmės degeneracijos sausa forma susijęs scenarijus, kai sistema pasiūlė galimą kryptį, paremtą ląstelinių procesų suaktyvinimu, ir nurodė vaistą, anksčiau sietą su kita indikacija. Vėliau, remiantis aprašymu, buvo suplanuoti papildomi tyrimai, padėję geriau suprasti galimą mechanizmą.

    Kodą rašantis asistentas ir ribos

    Tarp Nature pristatytų krypčių minimas ir „Google DeepMind“ sprendimas „Empirical Research Assistance“, skirtas automatizuoti mokslinių skaičiavimų programavimą. Idėja paprasta: kai tyrimą stabdo lėtai kuriamas kodas, agentinė sistema siūlo greitesnį kelią iki veikiančių analizės įrankių.

    Vis dėlto mokslininkai pabrėžia ribas: tokios sistemos dažnai remiasi dideliais kalbos modeliais, kurie gali generuoti įtikinamai skambančius, bet klaidingus teiginius. Dėl to praktikoje akcentuojamas žmogaus vaidmuo tiek orkestruojant užduotis, tiek tikrinant kritinius etapus, ypač kai sprendimai gali lemti brangias laboratorines kryptis.

    Siekiant mažinti klaidų riziką, daugiaagentėse platformose diegiami vidinės diskusijos ir tarpusavio vertinimo mechanizmai. Tai leidžia vienam agentui tikrinti kito prielaidas, o galutinius sprendimus palikti žmogui, kuris vertina, ar hipotezė moksliškai pagrįsta ir praktiškai patikrinama.

    MIT kryptis: DI su fizikos taisyklėmis

    Lygiagrečiai Massachusetts Institute of Technology tyrėjai stiprina kitą kryptį, kai DI modeliuose sąmoningai įtvirtinami fizikiniai ir cheminiai apribojimai. Tai ypač svarbu vaistų atrankoje, kur potencialių molekulių erdvė yra milžiniška, o aklas paieškos metodas tampa neefektyvus net ir su didele skaičiavimo galia.

    MIT komandos kuriami įrankiai, tokie kaip „ShEPhERD“ ir „FlowER“, siejami su tikslesniu molekulių formos, reakcijų produktų ir sintezės kelių prognozavimu. Pabrėžiama, kad modelių tikslumas didėja, kai jie ne tik mokosi iš pavyzdžių, bet ir privalo laikytis fundamentalių apribojimų, pavyzdžiui, masės tvermės.

    Bendra tendencija aiški: DI agentai sparčiai plečia tyrėjų galimybes, tačiau artimiausiu metu jie greičiau taps komandos nariais, o ne visiškais pakaitalais. Didžiausias poveikis tikėtinas ten, kur reikia greitai apdoroti didelius informacijos kiekius, suformuoti patikrinamas hipotezes ir efektyviau nukreipti laboratorinius resursus.

  • Dirbtinis intelektas jau lyginamas su gydytojais: ekspertai įspėja, kur slypi pavojus

    Dirbtinis intelektas jau lyginamas su gydytojais: ekspertai įspėja, kur slypi pavojus

    Dirbtinis intelektas sveikatos apsaugoje vis dažniau naudojamas ne tik klinikose, bet ir kasdienėms gyventojų užduotims: nuo vizitų registravimo ir administravimo iki medicininių vaizdų analizės. Vis dėlto dalis ekspertų ragina žmones DI įrankiais remtis dar aktyviau, o kiti pabrėžia rizikas, kurios gali kainuoti brangiai.

    Insilico Medicine įkūrėjas ir vadovas Alexas Zhavoronkovas viešai teigė, kad vartotojams skirti DI modeliai kai kuriais atvejais pasiekia gebėjimų lygį, artimą gydytojų kompetencijai, o kartais ją net pranoksta. Jo vertinimu, DI gali būti naudingas atsakant į bazinius klausimus apie mitybą ar gyvenimo būdą ir taip taupyti gydytojų laiką.

    „Kai kuriuos labai paprastus klausimus jums gali atsakyti DI gydytojas, o tada sutaupysite laiko su tikru gydytoju“, – sakė A. Zhavoronkovas.

    „ChatGPT“ ir „Amazon“ žengia į mediciną

    Didžiosios technologijų bendrovės plečia su sveikata susijusius sprendimus. „OpenAI“ pristatė „ChatGPT Health“, leidžiantį saugiau susieti medicininius įrašus ir sveikatingumo programėles su pokalbių sistema, tačiau pabrėžiama, kad tai nėra priemonė diagnozei ar gydymui skirti.

    Tuo pat metu „Amazon“ pristatė „HealthAI“, skirtą pirminės sveikatos priežiūros tinklo „One Medical“ nariams. Šis įrankis numatytas teikti patarimus, remiantis medicininiais įrašais, laboratoriniais tyrimais ir vartojamais vaistais, tačiau praktikoje tokių sprendimų patikimumas priklauso nuo duomenų kokybės ir aiškių naudojimo ribų.

    Kodėl ekspertai ragina atsargumą?

    Biotechnologijų bendrovės „Biocon“ vadovas Shreehasas Tambe atkreipė dėmesį į vartotojų mokymosi kreivę: pažangi technologija, pateikta žmogui, kuris dar tik mokosi ja naudotis, gali padidinti klaidų tikimybę. Jo teigimu, tuomet išauga rizika gauti klaidinančius patarimus ir susidurti su daugiau problemų nei naudos.

    „Jei pažangi technologijų platforma atsiduria žmogaus rankose, kuris dar tik bando perprasti, kaip ja naudotis, tai gali lemti daugiau klaidingų rezultatų“, – sakė S. Tambe.

    Praktikoje pagrindinės rizikos siejamos su netiksliais ar neišsamiais įrašais, klaidingomis interpretacijomis ir vadinamosiomis „įtikinamomis klaidomis“, kai sistema pateikia užtikrintai skambantį, bet neteisingą atsakymą. Todėl ekspertai pabrėžia, kad DI gali būti pagalbinė priemonė, tačiau negali pakeisti klinikinės atsakomybės, ypač kai kalbama apie simptomus, vaistų sąveikas ar skubias būkles.

    Vaistų kūrimas spartėja, bet žmogus išlieka būtinas

    DI vis labiau keičia ir vaistų paiešką. A. Zhavoronkovo teigimu, DI įrankiai gali sutrumpinti laiką iki vadinamojo vystymo kandidato etapo iki maždaug 18 mėnesių, kai tradiciškai tai užtrukdavo ilgiau nei ketverius metus, nors realūs terminai priklauso nuo srities ir tyrimų apimties.

    Šią kryptį rodo ir dideli sandoriai: farmacijos bendrovė „Eli Lilly“ sudarė daugiametį susitarimą su „Insilico Medicine“, kurio bendra vertė gali siekti apie 2,5 milijardo eurų. Tokie susitarimai atspindi rinkos lūkestį, kad DI pagreitins ankstyvąją vaistų paiešką, tačiau klinikinių tyrimų etapų jis nepanaikina.

    Ekspertai taip pat akcentuoja principą žmogus sprendimų grandinėje, kai DI pasiūlymus tikrina mokslininkai ir gydytojai. Tai ypač svarbu generatyviniams modeliams, kurie gali pasiūlyti hipotezes ir kryptis, bet negali prisiimti atsakomybės už mokslinį ar klinikinį pagrįstumą.

    Pacientams patariama DI naudoti kaip papildomą informacijos šaltinį: pasiruošti vizitui, susisteminti klausimus, aiškiau įvardyti simptomus ar paprašyti paaiškinti medicininius terminus. Tačiau dėl diagnozės, gydymo, vaistų keitimo ar neatidėliotinų simptomų sprendimus visada turi priimti sveikatos priežiūros specialistas.