A mesterséges intelligencia felhasználása a gyógyszerek alapjául szolgáló antitestek kutatásában megszabadíthatja a kutatási feladatok megoldását az emberi gondolkodás korlátaitól, miután olyan széles adatbázist tekinthet át, amire az emberek sose lennének képesek. Az AI felhasználása a gyógyszerfejlesztésben átláthatatlan, mert emberi ésszel nem lehet áttekinteni, hogyan jutnak el az algoritmusok az eredményeikhez.
Mindkét állítás igaz, mint ahogy szerencsére az is, hogy a mesterséges intelligencia egyelőre legfeljebb javaslatokat tesz, amiket az emberek utólag ellenőrizhetnek, elvethetnek, módosíthatnak. Már persze, ha komolyan veszik a dolgot, és nem törekednek arra, hogy minél előbb eladható, pénzt hozó termékeket állítsanak elő az AI segítségével.
A londoni LabGenius vállalat mindenesetre a mesterséges intelligencia részvételére szavaz az gyógyszerek készítésében – derül ki a Wired magazin cikkéből.
A természetben az antitestek az emberek immunrendszerének frontvonalában harcolnak. Feladatuk a kórokozók felismerése, aminek alapján azután a szervezet kilökheti magából a támadókat. A gyógyszergyártók az 1980-as évek óta mesterségesen állítanak elő antitesteket, hogy azok segítsenek a betegségek kezelésében.
Ezek megtalálása azonban lassú folyamat. A fehérjetervezőknek a lehetséges aminosav-kombinációk millióit kell áttekinteniük, hogy megtalálják azt, amely pontosan azt teszi, amire használni akarják a lehető legkevesebb mellékhatással. A lehetséges változatokat külön-külön kell tesztelni és módosítgatni addig, amíg kielégítő eredményt nem kapnak.
Ha valaki ki akar találni egy új terápiás antitestet, az valahol a lehetséges molekulaváltozatok végtelen halmazában találhatja meg ezt – mondja James Field, a LabGenius alapító-vezérigazgatója.
Az AI dolgozik a nagy fekete dobozban
Ez a vállalat a mesterséges intelligenciára és az antitestfejlesztés hardverérnek automatizálására alapozva túlnyomó részt automatikussá teszi az antitestek előállítását. A rendszernek csak két inputja van: az egészséges szövet és a beteg szövet. Ennek alapján elkezd kutakodni a molekuláris adatbázisban a megfelelő antitest után, amely az utóbbit átalakíthatja az előbbivé.
Az első kör után néhány százra szűkíti le a jelöltek körét, amelyeket aztán tesztel. A kísérletek eredményét gépi tanulással beépíti tudásába, és így folytatja a legjobb változat keresését. Az egész folyamat automatikusan zajlik. Az embereknek jószerével csak az a dolguk, hogy összeállítsák a gép által kért anyagokat és cserélgessék azokat a berendezésekben.
Az egész folyamat az emberek nézőpontjában egy fekete dobozban történik.
Field szerint a mesterséges intelligencia el tudja kerülni az emberi antitestfejlesztés két súlyos hibáját. Az egyik az információfeldolgozás korlátozottsága. Amikor a emberek rátalálnak egy ígéretes antitestjelöltre, akkor arra korlátozzák a kutatásukat. Igyekszenek javítani egyik vagy másik tulajdonságát, miközben persze egymás után jelennek meg a nem kívánt mellékhatások.
Az AI adatfeldolgozó kapacitásába azonban belefér, hogy egyszerre sok lehetséges antitestjelöltet teszteljen, gyorsabban és a hiba kisebb veszélyével rátalálva a megfelelőre.
Az emberek másik gondja, hogy mindig korlátozott mennyi tesztet tudnak elvégezni. Ezért hajlamosak arra, hogy olyan vizsgálatokra korlátozzák a munkájukat, amelyekről tudják, hogy jó eredménnyel kecsegtetnek. Gyorsan kialakíthatnak dogmákat azzal kapcsolatban, mit érdemes megpróbálni és mit nem. Ezzel szűkítik az esélyét annak, hogy eredeti választ adjanak az egymástól különböző, egyedi problémákra.
A LabGenius mindezeket elkerülve hat hét alatt eljuthat egy betegség antitestjének első változatához. Ennek tükrében nem meglepő, hogy 28 millió dollár befektetői tőkét gyűjtött olyan tőketársaságoktól, mint az Atomico és a Kindred. Emellett elkezdett együttműködési megállapodásokat kötni gyógyszergyártókkal.
______
Forrás: https://www.wired.com/story/labgenius-antibody-factory-machine-learning/
