更快的治疗方法：如何利用生成式人工智能加速药物研发的进程
尽管生成式人工智能是一个相对较新的家喻户晓的术语，但药物研发公司Insilico Medicine已经多年使用它来开发治疗严重疾病的新疗法。
该公司对深度学习的早期投资正在产生成果——使用其AI平台发现的药物候选者现在正在进入第2期临床试验，用于治疗特发性肺纤维化，这是一种相对罕见的呼吸系统疾病，导致肺功能逐渐下降。
Insilico在临床前药物发现过程的每个步骤中都使用了生成式AI：识别药物化合物可以针对的分子，生成新的药物候选者，评估这些候选者与目标结合的效果，甚至预测临床试验的结果。
使用传统方法进行这些操作将耗费超过4亿美元并需要6年时间。但是使用生成式AI，Insilico只用了十分之一的费用和三分之一的时间就完成了这些操作——仅用了两年半的时间就进入了临床试验的第一阶段。
“进入第二阶段的第一个药物候选者是我们端到端方法的真正亮点，它将生物学和化学与深度学习联系起来，”Insilico Medicine的CEO Alex Zhavoronkov说道。“这不仅是我们的重大里程碑，也是AI加速药物发现领域所有人的重大里程碑。”
Insilico是NVIDIA Inception的主要成员，这是一个免费计划，为尖端创业公司提供技术培训、市场支持和AI平台指导。该公司在其生成式AI药物设计引擎Chemistry42中使用NVIDIA Tensor Core GPU，生成新的分子结构，并是2015年NVIDIA DGX系统的早期采用者之一。
AI实现端到端临床前药物发现
Insilico的Pharma.AI平台包括多个针对各种任务训练的AI模型，这些模型在数百万数据样本上进行了训练。其中一个AI工具，PandaOmics，快速识别和优先考虑在疾病有效性中发挥重要作用的目标，例如导致COVID-19病毒感染的臭名昭著的蛋白质尖刺。
Chemistry42引擎可以在几天内设计出针对使用PandaOmics识别的蛋白质的新潜在药物化合物。这个生成式化学工具使用深度学习从头开始设计药物类分子结构。
“通常，从事药物发现的AI公司要么专注于生物学，要么专注于化学，”Insilico的AI平台负责人Petrina Kamya说道。“从一开始，Insilico一直将同样的深度学习方法应用于两个领域，使用AI发现药物靶点并生成小分子的化学结构。”
多年来，Insilico团队采用了不同类型的深层神经网络进行药物发现，包括生成式对抗网络和变压器模型。他们现在正在使用NVIDIA BioNeMo加速使用生成式AI的早期药物发现过程。
在AI堆栈中找到针
为了开发其肺纤维化药物候选者，Insilico使用Pharma.AI设计和合成了约80种分子，实现了临床前药物候选者的前所未有的成功率。从确定靶点到提名有前途的药物候选者进行试验的过程不到18个月。
在第2期临床试验期间，Insilico的肺纤维化药物将在美国和中国数百名患有该病症的患者中进行测试。这个过程需要几个月时间——但同时，该公司在管道中有超过30个计划，以治疗其他疾病，包括多个癌症药物。
“当我们首次展示我们的结果时，人们根本不相信生成式AI系统能够实现这种多样性、新颖性和准确性，”Zhavoronkov说道。“现在我们拥有了一个充满希望的药物候选者管道，人们正在意识到这确实有效。”
了解有关Insilico Medicine的Chemistry42平台在NVIDIA GTC中针对AI加速药物候选者筛选的演讲的更多信息。
订阅NVIDIA医疗保健新闻和生成式AI新闻。
