A kémiai informatika forradalma: fél évre rövidült a gyógyszerfejlesztés

A Schrödinger Technologies londoni kémiai informatikusának, Vass Mártonnak a területe az AI segítségével felgyorsítja a gyógyszerkutatást, így egy olyan folyamat, ami korábban sok évig tartott, most akár fél évre is lerövidíthető, amivel több évnyi fejlesztési idő takarítható meg.

Vass Márton gyógyszerhatóanyagok számítógépes kutatásával foglalkozik, ami lényegében azt jelenti, hogy olyan molekulákat keres, amelyek kölcsönhatásba lépnek a feltételezett betegséget megállító fehérjékkel az emberi szervezetben. A mesterséges intelligencia az úgynevezett kémiai informatika és gépi tanulás révén a következő területeken hozott áttörést:

• Az aminosavak listájából, vagyis a szekvenciából ma már megoldott problémának számít az, hogy megmondjuk, milyen lesz a fehérje háromdimenziós szerkezete. Ez kulcsfontosságú, mert a szerkezet határozza meg, milyen gyógyszermolekula tud bekötődni a kötőhelyre. Az AlphaFold nevű program 2018-ban hozott áttörést, és azóta a kutatók a fehérjék egymással, valamint a DNS-sel való kölcsönhatását vizsgálják.

• Molekula tulajdonságok előrejelzésében (Property Prediction) az AI képes előrejelezni, hogy egy már megrajzolt molekula mennyire szívódik fel, metabolizálódik-e, és milyen jól kötődik a kívánt fehérjéhez, miközben nem kötődik azokhoz, amelyekhez nem szabadna.

• Új Molekulák Generálása (Generatív AI) a generatív mesterséges intelligencia olyan modelleket használ, amelyek a meglévő adatokból új molekulákat tudnak generálni. A molekulákat karaktersorozatként lehet leírni, és a következő molekulakaraktert egy nyelvtanhoz hasonlóan tudja jósolni, ami nagymennyiségű ötletet biztosít a kutatóknak. A két AI modell által javasolt molekulák 60-80%-ánál beválik az előrejelzés a gyakorlatban, ami óriási fejlődés a néhány évvel ezelőtti 10-30%-hoz képest.

Bár a mesterséges intelligenciával felfedezett hatóanyagok már a klinikai vizsgálatok fázisában vannak, a piacon még nincsenek. A klinikai fázis hossza a betegség típusától függ, amely mentális egészséggel kapcsolatos betegségeknél akár öt évnél is hosszabb lehet.

Etikai Kérdések, hogy az AI segítségével könnyű lenne fejleszteni az emberre nagyon káros vegyületeket is, ezért a Schrödinger Technologies-nál üzletpolitika határozza meg, mely cégekkel nem dolgoznak együtt, akik rossz célra használnák fel a módszereket. A nagyobb aggodalom forrása az, hogy az AI-nak adott célnak nincs meg a bölcsessége vagy előrelátása, hogy hol álljon meg.

A jövőben a legtöbb munkafolyamatot AI agentek fogják végezni, amelyek már most gyerekcipőben járnak, de óriási a fejlődésük. Ez nagyon sok mindent meg fog változtatni, de az emberi kapcsolatokra továbbra is szükség lesz, ami miatt a terápia és a pszichoterápia keresett marad.

Állatkísérletek: Bár a preklinikai fázisban még elkerülhetetlenek az állatkísérletek, az AI egyik nagy célja, hogy a toxicitás (mérgező hatás) előrejelzésével minél kevesebb ilyen kísérletet kelljen végezni, és azt a módszer ki tudja váltani.

Vass Márton cége az energiatárolás és az új anyagok fejlesztése területén is dolgozik, ahol óriási fejlődés várható a következő években. Ilyen a fúziós reaktor is.  A Google DeepMind nevű cége AI modelleket fejlesztett ki, amelyek a fúziós reaktor dinamikáját tudják predikálni, ami óriási előrelépést jelenthet, mivel a fúziós reaktorok stabilitása óriási energiát szabadítana fel.  Az anyagtudomány területén a lítium elemek optimalizálásán dolgoznak, amivel rövid időn belül jelentős fejlődés várható, ami nem csak a mobiltelefonok akkumulátorát, de a teljes energiatárolási rendszert is érinti. Periódusos Rendszer esetén, nem a periódusos rendszer terjed ki, hanem az atomok kapcsolódása eredményez új típusú anyagokat.

Londonban a mesterséges intelligencia már mindenhol ott van, de az emberek nem veszik észre. A nagy nyelvi modellek betörése a mindennapi életbe azt eredményezte, hogy most már mindenkinek van véleménye az MI-ről. Az angol egészségügyben (NHS) a mesterséges intelligencia a diagnosztika (röntgen, képalkotó módszerek) és az asszisztensi munka (tünetek alapján) területén is dolgozik, optimalizálva például a betegek visszahívását.

A fiataloknak szóló tanács az, hogy bár a programozó szakma nem biztos, hogy a legjobb, a specializált tudás (biológia, kémia, idegkutatás) elengedhetetlen ahhoz, hogy a mesterséges intelligencia modelleket meg tudjuk alkotni.

A teljes adás visszanézhető a Spirit FM YouTube csatornáján.