Umělá inteligence odemyká nové hranice v designu léků RNA

V oblasti moderní medicíny se terapie založené na RNA ukázaly jako slibná cesta s významným pokrokem v oblasti metabolických onemocnění, onkologie a preventivních vakcín. Nedávný článek publikovaný v Inženýrství s názvem „Budoucnost vývoje RNA léků řízených umělou inteligencí“ od Yilin Yan, Tianyu Wu, Honglin Li, Yang Tang a Feng Qian zkoumá, jak umělá inteligence (AI) může způsobit revoluci ve vývoji léků na RNA, řeší současná omezení a nabízí nové příležitosti pro inovace.

Článek zdůrazňuje potenciál RNA terapií a poznamenává, že RNA léky vykazují vyšší míru úspěšnosti ve srovnání s tradičními léčivy. Například Alnylam Pharmaceuticals tvrdí, že kumulativní rychlost přechodu RNA interference (RNAi) léky od klinické fáze 1 do fáze 3 dosahují 64,4 %, významně vyšší než tradiční úspěšnost léků 5 %-7 %. Kromě toho se časové osy objevu léků RNA obvykle měří v měsících, spíše než v letech požadovaných pro tradiční léky, a jsou spojeny s nižšími náklady. Navzdory těmto výhodám však současné experimentální techniky, jako je CRISPR, a výpočetní metody, jako je sekvenování RNA, stále nedosahují požadavků na rychlost a rozmanitost ve vývoji léků na RNA.

Umělá inteligence je připravena tuto mezeru zaplnit. Článek zdůrazňuje schopnost umělé inteligence využívat paralelní výpočty a učit se složité vzory z rozsáhlých dat, čímž řeší omezení stávajících metodologií. Přístupy řízené umělou inteligencí mohou zvýšit efektivitu vývoje léků a otevřít nové příležitosti pro identifikaci inovativních kandidátů na léky. Autoři nastiňují tři primární strategie, jejichž prostřednictvím může umělá inteligence řídit pokroky ve vývoji léků na RNA: přístupy řízené daty, přístupy řízené strategií učení a přístupy řízené hlubokým učením.

Přístupy založené na datech tvoří základ využíváním rozsáhlých souborů dat a technik dolování pravidel k extrakci smysluplných vzorců a vztahů mezi molekulami RNA a jejich strukturami nebo biologickými funkcemi. Přístupy založené na strategii učení využívají techniky, jako je kauzální vyvozování a posilování učení, aby se optimalizovaly procesy rozhodování. Přístupy založené na hlubokém učení, které představují vyšší úroveň složitosti a automatizace, využívají velké jazykové modely, jako je ChatGPT, k analýze dlouhých sekvencí RNA a podporují de novo design funkčních RNA.

Článek předvídá budoucí pracovní postup pro vývoj léků RNA řízený AI, který se opírá o interaktivní systém založený na softwaru. Tento systém by měl dvě klíčové smyčky zpětné vazby: vnitřní smyčku zaměřenou na návrh založený na platformě pro zvýšení výkonu modelu umělé inteligence a externí smyčku, která integruje data z reálného světa pro neustálé zdokonalování vývoje léků. Pracovní postup by začal komplexní digitalizací dat RNA, po níž by následoval personalizovaný návrh kandidátů na léky, hodnocení léků, automatizovaná syntéza a biologické experimenty pro předběžné klinické ověření. Vybraní kandidáti na léčiva by pak byli spárováni s vhodnými aplikačními systémy a umístěni do online simulace pro včasné pozorování dynamiky podávání, působení léčiva a degradačních procesů v lidském těle.

Autoři identifikují několik náročných výzkumných témat pro blízké období, včetně komplexní vizualizace s vysokým rozlišením, personalizovaného objevování léků RNA a vývoje upravitelné platformy pro generování RNA. Tyto pokroky by mohly vést k úplnější a interaktivnější reprezentaci struktur RNA a jejich chování v biologických systémech, což by umožnilo vytvoření vysoce personalizovaných léků RNA přizpůsobených individuálním genetickým profilům.

Ekonomické a sociální přínosy vývoje léků na RNA řízené umělou inteligencí jsou pozoruhodné. Automatizace řízená umělou inteligencí snižuje pracné úkoly a umožňuje rychlejší a přesnější identifikaci RNA cíle, což vede k úsporám nákladů a urychlenému testování RNA terapií. Jak se platforma průmyslově rozšiřuje, zajišťuje konzistentní kvalitu léčiv a vyšší nákladovou efektivitu prostřednictvím optimalizovaných, opakovatelných procesů.

Integrace umělé inteligence do vývoje léčiv RNA má potenciál změnit budoucnost terapeutik. Využitím schopností umělé inteligence mohou výzkumníci systematicky prozkoumávat nové struktury RNA, identifikovat slibné kandidáty na léky a urychlit proces objevování léků, což nakonec povede k udržitelnějším a ekonomičtějším modelům rozvoje s širokými výhodami.