Insilico Medicine và Đại học Toronto hợp tác phát triển thuốc AI cho mục tiêu điều trị ung thư 'không thể dùng thuốc'
Tóm lại
Đại học Toronto đã hợp tác với Insilico Medicine để phát triển các giải pháp y tế được hỗ trợ bởi AI cho các mục tiêu ung thư “không thể chữa khỏi”.
Giáo sư Igor Stagljar của Đại học Toronto đã ký kết hợp tác với Thuốc Insilico, một công ty phát triển thuốc điều khiển bằng AI, nhắm tới các mục tiêu ung thư “không thể chữa được” – những mục tiêu mà phương pháp điều trị thông thường không thể giải quyết được.
Phòng thí nghiệm sử dụng các thử nghiệm dựa trên tế bào sống để kiểm tra tính hiệu quả của các phân tử do AI thiết kế của Insilico chống lại các mục tiêu không thể cưỡng lại được này.
“Có tới 85% tổng số protein của con người được cho là “không thể lấy được”, có nghĩa là chúng không thể bị nhắm mục tiêu bằng cách sử dụng phương pháp tiêu chuẩn là xác định vị trí gắn kết và thiết kế một phân tử sẽ liên kết với túi đó để tạo ra phản ứng trị liệu,” Petrina Kamya, người đứng đầu Nền tảng AI và chủ tịch của Insilico Medicine Canada, nói Metaverse Post.
“Dù nguyên nhân là gì, dữ liệu và AI đưa ra một giải pháp. AI có thể tìm thấy các mục tiêu chưa được tiết lộ trước đây – chẳng hạn như túi liên kết nông – và thiết kế một phân tử mới có thể ức chế nó hoặc thiết kế một phân tử có khả năng can thiệp vào tương tác protein-protein bằng cách sử dụng các thông số cụ thể mà chúng tôi đặt ra”, cô nói thêm.
Phòng thí nghiệm của Stagljar tập trung vào việc xác định các tương tác protein-protein bất thường (PPI) góp phần gây ra các bệnh như ung thư và ông coi đó là một lựa chọn hấp dẫn trong phát triển thuốc.
Giải thích về vai trò của AI, Igor Stagljaar, nhà hóa sinh và giáo sư di truyền phân tử tại Đại học Toronto cho biết AI tận dụng các bộ dữ liệu sinh học khổng lồ và các thuật toán tiên tiến để xác định các chất ức chế phân tử nhỏ cho các mục tiêu đầy thách thức. Công cụ AI phân tích dữ liệu sinh học phức tạp như trình tự bộ gen và cấu trúc protein, hỗ trợ xác định mục tiêu chính xác.
“Họ dự đoán các tương tác phân tử, hợp lý hóa việc lựa chọn hợp chất và đẩy nhanh quá trình sàng lọc ảo các thư viện hóa học. Hơn nữa, phân tích cơ sở dữ liệu thuốc dựa trên AI xác định các cơ hội tái sử dụng thuốc, thúc đẩy sự phát triển,” ông nói thêm.
Cả hai nhóm đều bắt đầu với một mục tiêu không thể đánh bại được – chẳng hạn như KRAS, một trong những protein ung thư bị đột biến thường xuyên nhất, rất khó tạo ra thuốc do kích thước túi nông của nó. Insilico sử dụng nền tảng AI toàn diện của mình để “tưởng tượng” các phân tử mới được thiết kế để ức chế mục tiêu khó khăn này, được tối ưu hóa để có các đặc tính cần thiết để trở thành thuốc thành công – bao gồm độ ổn định trao đổi chất, hiệu lực và độ an toàn.
“Chúng tôi đã thành công rực rỡ khi sử dụng nền tảng của mình để thiết kế các phương pháp điều trị ung thư mới bằng AI. Phần lớn trong số 31 loại thuốc do AI thiết kế trong hệ thống của chúng tôi đều thuộc lĩnh vực điều trị ung thư - bao gồm chất ức chế KAT6 dành cho bệnh ung thư vú đã dẫn đến thỏa thuận cấp phép lớn với Tập đoàn Menarini và chất ức chế USP1, được thiết kế cho các khối u đột biến BRCA cũng được thấy trong ung thư vú, đó là chủ đề của một thỏa thuận quan trọng với Exelixis,” Petrina Kamya của Insilico cho biết.
Xét nghiệm tế bào sống thúc đẩy việc khám phá thuốc bằng tích hợp AI
Theo sự hợp tác này, hai thử nghiệm bao gồm MaMTH-DS và SIMPL đang được sử dụng. MaMTH-DS là nền tảng sàng lọc thuốc trên tế bào sống để xác định và theo dõi PPI, trong khi SIMPL sử dụng tĩnh mạch phân chia (một loại protein có đặc tính duy nhất xuất hiện tự nhiên trong nhiều tế bào) làm cảm biến để phát hiện PPI trong bất kỳ protein nào của con người ở bất kỳ cơ thể nào. dòng tế bào.
“Những xét nghiệm này khi kết hợp với InSilico Medicine Hỗ trợ AI các công cụ này, tạo điều kiện thuận lợi cho việc tạo ra nhanh chóng các hợp chất hóa học mới có đặc tính dược lý mong muốn, bao gồm tính chọn lọc, hiệu lực và ADME thích hợp, từ đó thúc đẩy nỗ lực khám phá thuốc,” Giáo sư Stagljar nói. Metaverse Post.
Xét nghiệm tế bào sống cung cấp dữ liệu về mức độ liên kết của một phân tử nhỏ trong môi trường sinh học, cũng như tính thấm và độc tính của tế bào, mang lại lợi thế so với các xét nghiệm trong ống nghiệm truyền thống.
Ngoài ra, với các xét nghiệm tế bào sống, các nhà nghiên cứu có thể nhanh chóng xác định hiệu quả của các phân tử do AI thiết kế trong việc ức chế các mục tiêu protein cụ thể, có khả năng giảm quá trình xác nhận thuốc từ 4-5 năm xuống chỉ còn vài tháng.
Từ chối trách nhiệm
Phù hợp với Hướng dẫn của Dự án Tin cậy, xin lưu ý rằng thông tin được cung cấp trên trang này không nhằm mục đích và không được hiểu là tư vấn pháp lý, thuế, đầu tư, tài chính hoặc bất kỳ hình thức tư vấn nào khác. Điều quan trọng là chỉ đầu tư những gì bạn có thể đủ khả năng để mất và tìm kiếm lời khuyên tài chính độc lập nếu bạn có bất kỳ nghi ngờ nào. Để biết thêm thông tin, chúng tôi khuyên bạn nên tham khảo các điều khoản và điều kiện cũng như các trang trợ giúp và hỗ trợ do nhà phát hành hoặc nhà quảng cáo cung cấp. MetaversePost cam kết báo cáo chính xác, không thiên vị nhưng điều kiện thị trường có thể thay đổi mà không cần thông báo trước.
Giới thiệu về Tác giả
Kumar là một Nhà báo Công nghệ giàu kinh nghiệm với chuyên môn về các lĩnh vực giao thoa năng động giữa AI/ML, công nghệ tiếp thị và các lĩnh vực mới nổi như tiền điện tử, chuỗi khối và NFTS. Với hơn 3 năm kinh nghiệm trong ngành, Kumar đã lập được thành tích đã được chứng minh trong việc tạo ra những câu chuyện hấp dẫn, thực hiện các cuộc phỏng vấn sâu sắc và đưa ra những hiểu biết toàn diện. Chuyên môn của Kumar nằm ở việc sản xuất nội dung có tác động cao, bao gồm các bài báo, báo cáo và ấn phẩm nghiên cứu cho các nền tảng công nghiệp nổi bật. Với bộ kỹ năng độc đáo kết hợp giữa kiến thức kỹ thuật và cách kể chuyện, Kumar vượt trội trong việc truyền đạt các khái niệm công nghệ phức tạp tới nhiều đối tượng khác nhau một cách rõ ràng và hấp dẫn.
Xem thêm bài viết
Kumar là một Nhà báo Công nghệ giàu kinh nghiệm với chuyên môn về các lĩnh vực giao thoa năng động giữa AI/ML, công nghệ tiếp thị và các lĩnh vực mới nổi như tiền điện tử, chuỗi khối và NFTS. Với hơn 3 năm kinh nghiệm trong ngành, Kumar đã lập được thành tích đã được chứng minh trong việc tạo ra những câu chuyện hấp dẫn, thực hiện các cuộc phỏng vấn sâu sắc và đưa ra những hiểu biết toàn diện. Chuyên môn của Kumar nằm ở việc sản xuất nội dung có tác động cao, bao gồm các bài báo, báo cáo và ấn phẩm nghiên cứu cho các nền tảng công nghiệp nổi bật. Với bộ kỹ năng độc đáo kết hợp giữa kiến thức kỹ thuật và cách kể chuyện, Kumar vượt trội trong việc truyền đạt các khái niệm công nghệ phức tạp tới nhiều đối tượng khác nhau một cách rõ ràng và hấp dẫn.
