人工知能 – 創薬に革命をもたらすゲームチェンジャー、ヘルスニュース、ET HealthWorld

マヘシュ・バルガット博士

人工知能 (AI) は、創薬プロセスを変更する可能性を提示し、過去数年間で大幅に成長しました。 150 以上の企業が AI ベースの医薬品アプローチを適用して資金を調達し、分子を臨床試験に進めています。

創薬における人工知能の使用に飛び込む前に、従来の創薬方法に対する非常に高レベルのアプローチを理解する必要があります。これには、精巧で費用と時間のかかるいくつかの手順が含まれるためです。 標的の同定には、生理学的経路に関与する遺伝子、タンパク質、または転写産物などの適切な生物学的標的の同定が含まれます。 この最初のステップの後にヒットの同定が続きます。これには、リード化合物を生成するための多くのレベルのスクリーニングが含まれます。 リード候補を評価して最適化するこの広範なプロセスにもかかわらず、不十分なバイオアベイラビリティ、許容できない毒性、または生体系でラボの成功を再現できないため、候補の開発の次の段階への進行については常に不確実性があります。

創薬の成功率を改善する方法を解読することに大きな関心が寄せられており、AI と機械学習 (ML) の進歩は、創薬プロセスのあらゆる段階で役立ちます。

製薬業界は、理想的な低分子または高分子薬を特定するために、数百ギガバイトの複雑なデータを生成します。 ハイスループット スクリーニング (HTS) は、研究者が探索する必要がある何千もの化学的および生物学的化合物を分析します。 これらの大規模なデータセットには、統計的に有効なモデルと AI ベースのモデルの実装を生成するための適切な分析方法が必要であり、データ利用とスマートな意思決定の大幅な改善につながります。

この労働集約的で精巧なプロセスは、医薬品のコストにも貢献しています。 報告されているように、発見段階から商業生産までの医薬品の開発には、平均 30 億ドルの費用がかかり、10 ~ 15 年かかります。 ただし、あらゆる努力にもかかわらず、新しい候補は臨床試験で失敗し、規制当局の承認を得られない可能性があります。 Eli Lilly のデータによると、第 1 相試験を開始した潜在的な医薬品のうち、最終的に商品化されるのは約 12% にすぎません。 今必要なのは、AI ベースのモデルを使用して初期段階で戦略を設計し、新薬の減少を抑えることです。

AI主導の創薬の主なハイライト:

  • AI を創薬のさまざまなポイントに実装して、プロセスを加速し、関連するコストを削減できます。
  • 大規模なデータセットの可用性と高度なアルゴリズムの開発により、ML が大幅に改善されました
  • AI駆動の反復スクリーニングは、次世代から世代へのHTSです
  • 創薬のバリュー チェーン全体で、自動化によってラボの効率が向上し、より複雑なタスクに人材が関与できるようになる可能性があります。

AI ベースのテクノロジーが提供するもの

AI は、化学、生物学、毒物学、およびオミクス データ セットの管理に関連する複雑さを解決するために必要な技術です。 薬の毒性と効力を予測し、科学者が複雑な人間の生物学を理解できるようにします。 ディープ ラーニングと関連するモデリング研究を組み合わせることで、ビッグ データのモデリングと分析に基づく薬物分子の安全性と有効性の評価を支援します。 これらの研究は、利用可能なデータから確実に推論を引き出し、創薬モデルを設計し、仮説から結論を導き出すのに役立ちます。 したがって、医薬品開発コストが削減され、治療薬開発のスピードが加速されます。

薬物分子の有効性は、標的に対する親和性と、望ましい治療反応をもたらすための関与に依存します。 相互作用がほとんどないものは、不要なタンパク質または受容体と相互作用して毒性をもたらすものとともに除外する必要があります。 計算手法と Web ベースのツールは、薬物の結合親和性を測定し、薬物毒性を予測して被験者の致死効果を回避し、実験に使用する動物の数を減らすことができます。

業界の現状と展望

臨床的成功を確実にするために、疾患のより深い理解を提供する創薬プラットフォームを開発して、薬の能力と安全性に基づいて標的を特定して優先順位を付け、後期段階の消耗を減らすことができます。 最近、GlaxoSmithKline は Exscientia のプラットフォームを使用して、慢性閉塞性肺疾患を治療するための非常に強力な活性リード分子を特定しました。 一般に、これには、複数の反復サイクルで数百または数千の化合物を作成およびテストすることが含まれます。 Exscientia は 5 サイクルで 85 の化合物を生成してリード候補を取得し、AI の驚異的な力を示しました。 Pfizer は、機械学習システムである IBM Watson を使用して、がん免疫治療薬の検索を強化しています。 Roche は、ケンブリッジにある GNS Healthcare の AI システムを使用して、がん治療の探索を推進しています。 AstraZeneca は AI プラットフォームを使用して、特発性肺線維症を標的にしました。 Syngene では、Syn.AITM プラットフォームは、研究者が高度な分析を使用してより深いデータの洞察を得て、創薬プログラムを加速するのに役立ちます。

創薬市場における AI は、2 億ドル (2015 年) から 7 億ドル (2018 年) に増加し、2024 年までに 50 億ドルに増加すると予想されています。最初の AI ベースの低分子医薬品候補は現在、臨床試験中です。 . データベースのテクノロジーは、製品の品質を向上させ、生産中のバッチ間の一貫性を確保し、利用可能なリソースをより有効に活用します。 さらに、患者に適した治療法 (がん患者のための精密医療) を開発し、治療の恩恵を受ける可能性が最も高い患者サブグループを特徴付けながら、成功の可能性が高い臨床試験データを管理するのに役立ちます。

マヘシュ バルガット博士、シンジーン インターナショナル COO。

(免責事項: 表明された見解は著者のみのものであり、ETHealthworld は必ずしもそれに同意しているわけではありません。ETHealthworld.com は、直接的または間接的に個人/組織に生じた損害について責任を負いません。)

.

Leave a Comment

Your email address will not be published. Required fields are marked *