Get best of the week

Startup verwendet AI, um nach Molekülen zu suchen, die bei der Bekämpfung des Coronavirus helfen

Hallo alle zusammen. Derzeit hat OTUS eine Rekrutierung für den Python Neural Networks- Kurs eröffnet. Heute möchten wir Ihnen eine Übersetzung eines interessanten Artikels über ein Unternehmen mitteilen, in dem unser Kurslehrer Arthur Kadurin als Chief AI Officer arbeitet .



Insilico Medicine, ein Startup mit Sitz in Rockville, Maryland, behauptet, es habe künstliche Intelligenz eingesetzt, um schnell Moleküle zu identifizieren, die die Grundlage für eine wirksame Behandlung der Coronavirus-Infektion auf ihrem Höhepunkt bilden könnten.
Um Tausende neuer Moleküle zu identifizieren, die in potenzielle Medikamente gegen das Virus umgewandelt werden könnten, dauerte das Insilico-System für künstliche Intelligenz 4 Tage. In Insilico heißt es, dass sie die 100 vielversprechendsten Kandidaten sowie die öffentlich verfügbare Bibliothek neuer molekularer Strukturen synthetisieren und testen, damit andere Forscher sie auch in ihrer Arbeit verwenden können.

UFO Care Minute


COVID-19 — , SARS-CoV-2 (2019-nCoV). — , /, .



, .

, , .

: |

Der weltweite Gesundheitsnotstand aufgrund der Verbreitung des neuen tödlichen Coronavirus 2019-nCoV hat sich als echte Herausforderung für viele moderne biomedizinische Technologien, neue Organisationen und Finanzierungsagenturen erwiesen, die sich bemühen, den Zeitaufwand für die Entwicklung neuer Impfstoffe drastisch zu verkürzen Medikamente gegen die Pandemie.

Die Grundidee besteht darin, neue Behandlungen zu finden und zu testen, indem Menschen nur ein bis zwei Wochen lang getestet werden, anstatt dies jahrelang zu tun. Gillead, ein US-amerikanisches Biotechnologieunternehmen, macht einen DealAnfang dieser Woche mit einem Krankenhaus in Peking, um sofort mit dem Testen des vorhandenen antiviralen Arzneimittels Remdesivir in Wuhan, dem Herzen des Coronavirus-Ausbruchs, beim Menschen zu beginnen.

Insilico hingegen entschied sich zu prüfen, ob sie Hinweise finden konnten, die bei der Behandlung von 2019-nCoV bis zum 28. Januar helfen könnten.

Alexander Zhavoronkov, der Gründer und CEO, kommentierte dies folgendermaßen: „Als der Virusausbruch auftrat, war uns nicht klar, wie ernst dies ist.“

Laut Zhavoronkov untersuchten die Unternehmen nach der Entscheidung, an der Studie teilzunehmen, eine lange Liste aller Arten von 2019-nCoV-Behandlungen, die vom Beijing Global Health Drug Discovery Institute veröffentlicht wurden . Als Ziel wählten sie ein Enzym namens 3C-ähnliche Protease, das für die Reproduktion des Virus entscheidend ist.

Zhavoronkov sagte, Insilico habe dieses Ziel teilweise gewählt, weil es anderen viralen Proteasen ähnlich sei, deren Strukturen bereits zuvor modelliert worden waren, und weil sie Zugang zu dem von Rao Zihe entwickelten Modell der 3C-ähnlichen Protease 2019-nCoV hatten. renommierter Experte für virale Proteinstrukturen an der Shanghai University of Technology.

Ab dem 31. Januar hat Insilico 28 verschiedene Modelle des maschinellen Lernens eingesetzt, um neue Moleküle zu entwickeln, die an eine 3C-ähnliche Protease binden und deren Funktion hemmen können.
Einige dieser Methoden verwenden generative gegnerische Netzwerke (oder GANs), die gleiche Art des maschinellen Lernens, die allgemein für die Erstellung von Deepfakes bekannt ist. In diesem Fall erzeugt AI jedoch keine hochrealistischen gefälschten Videos, sondern neue Moleküle, die eine geeignete Struktur für die Bindung an die Protease bilden.

Insilico verwendet zusätzlich Methoden des maschinellen Lernens, um molekulare Strukturen zu filtern, die GANs produzieren: Sie bevorzugen Strukturen, die „medizinische“ Eigenschaften haben und chemisch aktiv sind, während sie gleichzeitig Moleküle verwerfen, die nach ihren Eigenschaften wahrscheinlich nicht als Arzneimittel wirken. zum Beispiel Metallverbindungen.

Eine Reihe von Filtern wird auch verwendet, um sicherzustellen, dass die Menge der erzeugten Moleküle nicht mit vorhandenen bekannten Strukturen vergleichbar ist (Zhavoronkov behauptet, dass kein einziges von seinem System erzeugtes Molekül mehr als 70% mit dem bereits vorhandenen übereinstimmt). Die Moleküle unterscheiden sich voneinander, so dass das Unternehmen eine anständige Reihe von Kandidaten für Tests hat.

Vier Tage später erstellte die Insilico-Software Hunderttausende neuer molekularer Strukturen und filterte sie, sodass mehrere Tausend die Kriterien erfüllten, die bestimmen, ob ein potenzieller Kandidat ein Medikament werden könnte.
„In vier Tagen haben wir ziemlich gute Moleküle erzeugt“, kommentiert Zhavoronkov .

Das Unternehmen veröffentlichte einen Artikel über seine Forschung im kostenlosen, nicht von Experten geprüften Forschungsrepository Research Gate . Das Unternehmen veröffentlichte auch seine Forschungsergebnisse und die Struktur aller potenziell nützlichen Moleküle auf seiner Website . Insilico ermutigt die Forscher, die von seinem System erzeugten Moleküle zu untersuchen und kritisch zu analysieren, in der Hoffnung, die Suche nach den Molekülen zu beschleunigen, die für die Behandlung des Coronavirus nützlich sein könnten.
Insilico ist nicht das einzige Unternehmen, das hofft, dass künstliche Intelligenz dazu beitragen wird, neue Behandlungen für das Wuhan-Coronavirus anzubieten. Ein Team der University of Michigan hat kürzlich ebenfalls einen Artikel veröffentlichtüber die Verwendung von Methoden des maschinellen Lernens, um neue Medikamente gegen 2019-nCoV zu entwickeln.

Insilico wurde 2014 gegründet und hat heute Risikokapitalfinanzierungen in Höhe von rund 50 Millionen US-Dollar erhalten. Es verwendet eine Reihe verschiedener auf künstlicher Intelligenz basierender Technologien, um neue Moleküle zu entwickeln, die die Grundlage für Arzneimittel zur Behandlung von Krankheiten und zur Vorhersage der Ergebnisse klinischer Studien bilden können. Das Unternehmen arbeitete mit dem Pharmakonzern GSK und dem chinesischen Unternehmen Jiangsu Chia Tai Fenghai Pharmaceutical zusammen, um ihnen bei der Entwicklung von Molekülen für potenzielle neue Medikamente zu helfen.


: «Triplet Loss: ».

More articles:


All Articles