|
ngày 22/6/2023 nguồn: https://www.unite.ai/ai-driven-medical-breakthrough-leveraging-artificial-intelligence-for-novel-drug-discovery/
Đột phá y học nhờ Trí tuệ nhân tạo: Tận dụng trí tuệ nhân tạo để khám phá loại thuốc mới
Khám phá thuốc được biết đến là quá trình "từ phòng nghiên cứu đến giường bệnh" do thời gian dài và chi phí cao. Phải mất khoảng 11 đến 16 năm và từ 1 tỷ đến 2 tỷ đô la để đưa một loại thuốc ra thị trường. Nhưng hiện tại, Trí tuệ nhân tạo (AI) đang cách mạng hóa việc phát triển thuốc, giúp tăng tốc độ và lợi nhuận. AI trong phát triển thuốc đã làm thay đổi cách tiếp cận và chiến lược của chúng ta đối với nghiên cứu và đổi mới y sinh học. AI đã giúp các nhà nghiên cứu giảm bớt sự phức tạp của con đường bệnh tật và xác định được các mục tiêu sinh học. Hãy cùng tìm hiểu sâu hơn về tiềm năng của AI trong việc khám phá thuốc trong tương lai.
Hiểu về vai trò của Trí tuệ nhân tạo: Trí tuệ nhân tạo được sử dụng như thế nào để khám phá thuốc?
Trí tuệ nhân tạo đã cải tiến các giai đoạn khác nhau của quá trình khám phá thuốc bằng khả năng phân tích lượng lớn dữ liệu và đưa ra những dự đoán phức tạp. Dưới đây là cách thức: 1.
Xác định mục tiêu
Xác định mục tiêu là quá trình đầu tiên của khám phá thuốc bao gồm việc xác định các thực thể phân tử có thể như protein, enzyme và thụ thể có trong cơ thể, những thực thể này có thể kết hợp với thuốc để tạo ra hiệu quả điều trị bệnh. AI có thể tận dụng các cơ sở dữ liệu lâm sàng lớn bao gồm thông tin chính về việc xác định mục tiêu. Các nguồn dữ liệu này có thể bao gồm nghiên cứu y sinh học, thông tin sinh học phân tử, dữ liệu thử nghiệm lâm sàng, cấu trúc protein, v.v. Các mô hình AI được đào tạo cùng với các kỹ thuật y sinh như biểu hiện gen có thể hiểu được các bệnh sinh học phức tạp và xác định được các mục tiêu sinh học cho các ứng viên thuốc. Ví dụ, các nhà nghiên cứu đã phát triển nhiều kỹ thuật AI để xác định các mục tiêu chống ung thư mới. 2.
Lựa chọn mục tiêu
AI trong khám phá thuốc có thể giúp các nhà nghiên cứu lựa chọn các mục tiêu đầy hứa hẹn dựa trên mối tương quan về bệnh tật và dự đoán về hiệu quả điều trị. Với khả năng nhận dạng mẫu mạnh mẽ, AI có thể tiến hành lựa chọn này không chỉ dựa trên các tài liệu y khoa được công bố mà còn chọn những mục tiêu hoàn toàn mới chưa từng được tham chiếu trước đó trong các bằng sáng chế đã công bố. 3.
Ưu tiên thuốc
Ở giai đoạn này, AI đánh giá và xếp hạng các hợp chất thuốc dẫn đầu, ưu tiên chúng để đánh giá và nghiên cứu sâu hơn nhằm thúc đẩy phát triển. So với các kỹ thuật xếp hạng trước đây, các phương pháp tiếp cận dựa trên AI hiệu quả hơn trong việc xác định các ứng viên thuốc đầy hứa hẹn nhất. Ví dụ, các nhà nghiên cứu đã phát triển một khuôn khổ tính toán dựa trên Học sâu để xác định và ưu tiên các loại thuốc mới cho bệnh Alzheimer. 4.
Sàng lọc hợp chất
Các mô hình AI có thể dự đoán tính chất hóa học và hoạt tính sinh học của hợp chất, đồng thời cung cấp thông tin chuyên sâu về tác dụng phụ. Chúng có thể phân tích dữ liệu từ nhiều nguồn, bao gồm các nghiên cứu và cơ sở dữ liệu trước đây, để xác định bất kỳ rủi ro hoặc tác dụng phụ tiềm ẩn nào liên quan đến một hợp chất cụ thể. Ví dụ, các nhà nghiên cứu đã phát triển một công cụ học sâu để sàng lọc các thư viện hóa chất với hàng tỷ phân tử nhằm đẩy nhanh đáng kể việc khám phá hợp chất quy mô lớn. 5.
Thiết kế thuốc De Novo
Sàng lọc thủ công bộ sưu tập lớn các hợp chất là một hoạt động truyền thống trong khám phá thuốc. Với AI, các nhà nghiên cứu có thể sàng lọc các hợp chất mới có hoặc không có thông tin trước đó đồng thời dự đoán cấu trúc 3D cuối cùng của các loại thuốc được khám phá. Ví dụ, AlphaFold do DeepMind phát triển là một hệ thống AI có thể dự đoán cấu trúc protein. Hệ thống này duy trì cơ sở dữ liệu gồm hơn 200 triệu dự đoán về cấu trúc protein, có thể đẩy nhanh quá trình thiết kế thuốc.
|
