ИИ совершает революцию в разработке лекарств

В высокотехнологичных лабораториях сотрудники генерируют данные для обучения алгоритмов ИИ, чтобы быстрее разрабатывать эффективные лекарства. Но преобразования только начинаются.

Лаборатория компании Terray Therapeutics - это настоящая симфония микроавтоматики. Роботы снуют, доставляя крошечные пробирки с жидкостями на свои места. Ученые в синих халатах, стерильных перчатках и защитных очках следят за работой машин.

Но настоящая работа происходит на наноуровне: белки в растворе соединяются с химическими молекулами, находящимися в мизерных ячейках кремниевых чипов, похожих на микроскопические формочки для кексов. Каждое взаимодействие регистрируется, миллионы и миллионы раз в день, генерируя 50 терабайт необработанных данных ежедневно, что эквивалентно объему информации в более чем 12 000 фильмов.

Лаборатория размером примерно в две трети футбольного поля - это фабрика данных для разработки лекарств с помощью искусственного интеллекта в Монровии, Калифорния. Это одна из множества молодых компаний и стартапов, которые пытаются использовать ИИ для более быстрого создания эффективных лекарств.

Компании используют новую технологию, которая на основе огромных массивов данных генерирует ответы, чтобы трансформировать процесс создания лекарств. Они переходят от кропотливого ремесла к более автоматизированной и точной работе, а ИИ учится и становится умнее.

"Как только вы получаете нужные данные, ИИ может работать и становиться очень, очень эффективным", - говорит Джейкоб Берлин, соучредитель и исполнительный директор компании Terray.

В большинстве случаев генеративный ИИ, способный создавать все, что угодно, от поэзии до компьютерных программ, на первых порах использовался в бизнесе для облегчения рутинных офисных задач, обслуживания клиентов и написания кода. Тем не менее, открытие и разработка лекарств - это огромная отрасль, которая, по мнению экспертов, созрела для внедрения ИИ.

По мнению консалтинговой компании McKinsey & Company, ИИ - это "возможность, открывающаяся раз в столетие" для фармацевтического бизнеса.

Подобно тому, как популярные чат-боты, такие как ChatGPT, обучаются на тексте в Интернете, а генераторы изображений, такие как DALL-E, учатся на огромных массивах фотографий и видео, ИИ для разработки лекарств опирается на данные. И это очень специализированные данные - молекулярная информация, структуры белков и измерения биохимических взаимодействий. ИИ изучает закономерности в данных, чтобы предложить возможные варианты лекарств, как будто подбирая химические ключи к нужным белковым замкам.

Поскольку ИИ для разработки лекарств опираются на точные научные данные, вероятность токсичных "галлюцинаций" гораздо ниже, чем у чат-ботов с более широким спектром обучения. К тому же любое потенциальное лекарство должно пройти тщательное тестирование в лабораториях и клинические испытания, прежде чем его разрешат принимать пациентам.

Компании, подобные Terray, строят крупные высокотехнологичные лаборатории для получения информации, необходимой для обучения ИИ, что позволяет быстро проводить эксперименты, выявлять закономерности и делать прогнозы относительно того, что может сработать.

Генеративный ИИ может спроектировать молекулу лекарства в цифровом виде. Этот проект в высокоскоростной автоматизированной лаборатории преобразуется в физическую молекулу и тестируется на взаимодействие с целевым белком. Результаты - положительные или отрицательные - записываются и поступают в программное обеспечение ИИ для улучшения следующей разработки, что ускоряет весь процесс.

Хотя некоторые лекарства, разработанные ИИ, уже проходят клинические испытания, это еще только начало.

"Генеративный ИИ преобразует эту область, но процесс разработки лекарств довольно запутанный и зависит от человека", - говорит Дэвид Бейкер, биохимик и директор Института изучения белков при Вашингтонском университете (Institute for Protein Design at the University of Washington).

Разработка лекарств традиционно является дорогостоящим, трудоемким, требующим много времени и усилий процессом. Исследования стоимости разработки лекарства и прохождения клинических испытаний до окончательного утверждения сильно разнятся. Но в среднем общие расходы оцениваются в 1 миллиард долларов. На это уходит от 10 до 15 лет. И почти 90 процентов лекарств-кандидатов, проходящих клинические испытания на людях, терпят неудачу, как правило, из-за недостаточной эффективности или непредвиденных побочных эффектов.

Молодые разработчики лекарств с помощью ИИ стремятся использовать свои технологии, чтобы повысить шансы на успех, сократив при этом затраты времени и денег.

Наиболее постоянным источником финансирования для них служат фармацевтические гиганты, которые уже давно выступают в качестве партнеров и банкиров для небольших исследовательских предприятий. Современные производители лекарств на основе ИИ, как правило, сосредоточены на ускорении доклинических этапов разработки, которые обычно занимают от четырех до семи лет. Некоторые из них могут попытаться самостоятельно приступить к клиническим испытаниям. Но на этом этапе крупные фармацевтические корпорации обычно берут на себя управление дорогостоящими испытаниями на людях, которые могут занять еще семь лет.

Для устоявшихся фармацевтических компаний партнерская стратегия - это относительно недорогой путь к инновациям.

"Для них это все равно что воспользоваться услугами Uber, чтобы добраться до места, вместо того чтобы покупать машину", - говорит Герардо Убагс Каррион, бывший инвестиционный банкир по биотехнологиям в Bank of America Securities.

Крупнейшие фармацевтические компании платят своим партнерам по исследованиям за достижение ключевых рубежей в создании лекарственных препаратов, которые могут оцениваться в сотни миллионов долларов в течение нескольких лет. А если лекарство в конце концов будет одобрено и станет коммерчески успешным, то с него начнет поступать роялти.

Такие компании, как Terray, Recursion Pharmaceuticals, Schrödinger и Isomorphic Labs, стремятся к прорыву. Но в целом есть два разных подхода - создание больших лабораторий и отсутствие таковых.

Isomorphic, компания, занимающаяся разработкой лекарственных препаратов на базе Google DeepMind, центральной группы по разработке ИИ, придерживается мнения, что чем лучше ИИ, тем меньше данных требуется. И она делает ставку на свое программное обеспечение.

В 2021 году Google DeepMind выпустила программное обеспечение, которое точно предсказывало формы, в которые будут складываться аминокислоты в белках. Эти трехмерные формы определяют, как функционирует белок. Это стало толчком к пониманию биологии и помогло в поиске лекарств, поскольку белки определяют поведение всех живых существ.

В прошлом месяце Google DeepMind и Isomorphic объявили, что их последняя модель ИИ AlphaFold 3 может предсказывать взаимодействие молекул и белков - еще один шаг в разработке лекарств.

"Мы сосредоточились на вычислительном подходе", - говорит Макс Ядерберг, главный специалист по ИИ в Isomorphic. "Мы считаем, что здесь кроется огромный потенциал".

Компания Terray, как и большинство других стартапов, занимающихся разработкой лекарств, является результатом многолетних научных исследований в сочетании с новейшими разработками в области ИИ.

Профессор Берлин, главный исполнительный директор компании, получивший степень доктора химических наук в Калифорнийском технологическом институте, на протяжении всей своей карьеры занимался разработками в области нанотехнологий и химии. Компания Terray выросла из академического проекта, запущенного более десяти лет назад в онкологическом центре City of Hope под Лос-Анджелесом, где у Берлина была исследовательская группа.

Terray специализируется на разработке мелкомолекулярных лекарств - по сути, любых препаратов, которые человек может принимать в таблетках, как аспирин или статины. Таблетки удобно принимать, а их производство обходится недорого.

Элегантные лаборатории Terray отличаются от тех, что были в прежние времена, когда данные хранились в электронных таблицах Excel, а автоматизация была далекой целью.

"Я была роботом", - вспоминает Кэтлин Элисон, соучредитель и старший научный сотрудник Terray.

Но к 2018 году, когда была основана компания Terray, технологии, необходимые для создания лаборатории данных промышленного типа, развивались быстрыми темпами. Terray полагается на достижения сторонних производителей в производстве микросхем, которые разрабатывает Terray. Лаборатории компании заполнены автоматизированным оборудованием, но почти все оно изготовлено по индивидуальному заказу - благодаря достижениям в области технологий трехмерной печати.

С самого начала команда Terray понимала, что ИИ будет иметь решающее значение для осмысления накопленных данных, но потенциал генеративного ИИ в разработке лекарств стал очевиден только позже - еще до того, как ChatGPT стал хитом 2022 года.

Нарбе Мардиросян, старший научный сотрудник Amgen, стал главным технологом Terray в 2020 году - отчасти благодаря обилию данных, полученных в лаборатории. Под руководством профессора Мардироссиана компания Terray нарастила команды специалистов по науке о данных и ИИ, а также создала модель ИИ для перевода химических данных в математические и обратно. Компания выпустила версию с открытым исходным кодом.

Terray заключила партнерские соглашения с Bristol Myers Squibb и Calico Life Sciences, дочерней компанией Alphabet, материнской компании Google, которая занимается возрастными заболеваниями. Условия этих сделок не разглашаются.

По словам Илая Берлина, младшего брата профессора Берлина, для расширения компании Terray потребуются средства, превышающие 80 миллионов долларов венчурного финансирования. По его словам, он оставил работу в частном инвестиционном фонде, чтобы стать соучредителем и главным финансовым и операционным директором компании, убедившись в том, что технология может открыть дверь в прибыльный бизнес.

Terray разрабатывает новые лекарства от воспалительных заболеваний, включая волчанку, псориаз и ревматоидный артрит. По словам профессора Берлина, компания рассчитывает провести клинические испытания лекарств к началу 2026 года.

Инновации в производстве лекарств, применяемые компанией Terray и ее коллегами, могут ускорить процесс, но не более того.

"Конечным испытанием для нас и для всей отрасли в целом станет то, что через 10 лет, оглянувшись назад, вы с уверенностью сможете сказать, что уровень клинических достижений значительно вырос и появились более эффективные лекарства для улучшения здоровья людей", - говорит профессор Берлин.