Startuoliai naudoja dirbtinį intelektą vaistų atradimuose, kad greitai analizuotų sudėtingus biologinius duomenis ir nustatytų naujus taikinius, sukurtų naujas molekules generatyvinio dirbtinio intelekto pagalba, numatytų vaistų veiksmingumą / toksiškumą, optimizuotų klinikinius tyrimus ir rastų naujų esamų vaistų panaudojimo būdų (perkonfigūruotų). Jie naudoja mašininį mokymąsi junginių sąveikai numatyti, gilųjį mokymąsi biožymenų atradimui ir naudoja dirbtinį intelektą procesams supaprastinti, žymiai sumažindami išlaidas ir laiką, palyginti su tradiciniais metodais.
Pagrindiniai dirbtinio intelekto taikymai vaistų atradimuose
Taikinių identifikavimas ir patvirtinimas: dirbtinis intelektas analizuoja genomiką, proteomiką ir literatūrą, kad rastų naujus ligų taikinius, dažnai nustatydamas kelis potencialius taikinius iš sudėtingų biologinių kelių.
De Novo vaistų dizainas: generatyvinis dirbtinis intelektas sukuria naujas molekulines struktūras su norimomis savybėmis (pvz., prisijungimu prie taikinio) nuo nulio, peržengdamas esamas cheminių bibliotekų ribas.
Junginių atranka ir optimizavimas: dirbtinis intelektas prognozuoja junginio veiksmingumą, saugumą (ADME / toksiškumas) ir sintetinamumą, padėdamas tyrėjams anksti sutelkti dėmesį į perspektyviausius kandidatus.
Biožymenų atradimas: gilus mokymasis identifikuoja molekulinius parašus, kurie prognozuoja ligos progresavimą arba atsaką į gydymą, o tai lemia suasmenintą mediciną.
Klinikinių tyrimų optimizavimas: dirbtinis intelektas pagerina pacientų atranką, imituoja tyrimų rezultatus ir integruoja realaus pasaulio duomenis, kad tyrimai būtų greitesni ir efektyvesni.
Vaistų pakartotinis panaudojimas: dirbtinis intelektas susieja esamus vaistus su naujomis ligomis, atrasdamas naujas sąveikas, taip paspartindamas kelią į naujus gydymo būdus.
Kaip startuoliai diegia dirbtinį intelektą
Duomenų integravimas: įvairių duomenų rinkinių (genominių, cheminių, klinikinių) derinimas siekiant sukurti nuspėjamuosius modelius.
Platformų technologijos: unikalių dirbtinio intelekto platformų (pvz., specializuotų lustų didelio našumo patikrai), kurios integruoja dirbtinį intelektą su automatizavimu, kūrimas.
Dėmesys kliūtims: dirbtinio intelekto naudojimas tradicinėms kliūtims įveikti, pavyzdžiui, vaisto kelių savybių prognozavimui vienu metu, o ne nuosekliai.
Sustiprinantis mokymasis: sustiprinančio mokymosi naudojimas molekulėms tiksliai suderinti su konkrečiais, vartotojo apibrėžtais tikslais, tyrinėjant plačias chemines erdves.
Taikydami šiuos metodus, dirbtinio intelekto valdomi, vaistų kūrimo startuoliai siekia smarkiai sutrumpinti, dešimtmečius trunkantį, kelis milijardus dolerių kainuojantį, vaisto pateikimo į rinką procesą, o dirbtinio intelekto atrasti, vaistai ankstyvuosiuose bandymuose rodo didesnį sėkmės rodiklį.
Ar yra atvirojo kodo Kinijos dirbtinio intelekto įrankių, skirtų naujiems vaistams atrasti?
Kinija siūlo atvirojo kodo duomenų bazes ir dirbtinio intelekto sistemas vaistų atradimui, ypač integruodama tradicinę kinų mediciną (TCM, pvz., genisteiną, naudojamą osteoporozei ir menopauzės simptomams) su šiuolaikiniu dirbtiniu intelektu, pvz., TCMBank, TCMSP, ir tokių įmonių, kaip „Insilico Medicine“ platformas (nors kai kurios priemonės yra patentuotos) bei modelius, tokius, kaip „Huawei“ „Jiu Wei-TCM-LLM“, teikiant duomenis ir įrankius žolelių, ingredientų, taikinių identifikavimui ir tyrimų spartinimui. Tokie dideli žaidėjai, kaip „Alibaba“ taip pat teikia atvirojo kodo pagrindinius dirbtinio intelekto modelius.
Atvirojo kodo duomenų bazės ir platformos (pagrindinai „TCM“)
TCMBank: didelė, nemokama duomenų bazė su standartizuota TCM informacija, taikiniais, ligomis ir ansamblio mokymosi protokolu vaistų atradimui / pakartotiniam panaudojimui.
TCMSP (Tradicinės kinų medicinos sistemų farmakologija): teikia duomenis apie žoleles, ingredientus, taikinius ir ADME, taip pat vizualizavimo įrankius vaistų atradimui iš žolelių. „ShennongAlpha“ (ShennongKB): Žinių bazė, sukurta „MongoDB“ pagrindu, integruojanti Kinijos farmakopėjos duomenis TCM tyrimams.
Pagrindiniai Kinijos dirbtinio intelekto žaidėjai ir įrankiai
„Insilico Medicine“: Naudoja dirbtinį intelektą (pvz., „Chemistry42“) vaistų kūrimui, vykdo veiklą Kinijoje ir integruoja atvirojo kodo įrankius, tokius, kaip „Virtualflow“, patikrai.
„Huawei“ ir partneriai: Sukūrė tokius modelius, kaip „Jiu Wei-TCM-LLM“ vaistų analizei, taikinių numatymui ir „Digital Herbalism“ su „Tianshili“ natūralių vaistų kūrimui.
„Alibaba“: Atvirojo kodo fundamentiniai generatyviniai modeliai („Qwen“), skatinantys platesnį dirbtinio intelekto kūrimą, kurį galima pritaikyti farmacijai.
„DeepSeek“: Atvirojo kodo LLM kūrėjas, išleidžiantis galingus modelius (pvz., R1), kurie gali būti įvairių dirbtinio intelekto programų, įskaitant vaistų kūrimą, pagrindas.
„DeepSeek-R1“ taikomas vaistų atradime, pasitelkiant jo stiprų loginį mąstymą tokioms užduotims, kaip vaistų taikinių nustatymas, baltymų struktūrų prognozavimas, virtualaus patikrinimo spartinimas ir netgi virtualių klinikinių tyrimų įgalinimas, naudojant skaitmeninius pacientų dvynius, siekiant pagreitinti tyrimus, sumažinti išlaidas ir patobulinti suasmenintą mediciną, naudojant pažangią, kontekstą suvokiančią, dirbtinio intelekto analizę. Gebėjimas suprasti sudėtingus biologinius duomenis ir generuoti struktūrizuotus rezultatus leidžia jį naudoti nuo ankstyvo taikinių identifikavimo iki vaistų poveikio modeliavimo.
Pagrindinės R1 vaistų atradimo taikymo sritys:
Vaistų taikinių identifikavimas ir patvirtinimas: R1 padeda nustatyti perspektyvius biologinius taikinius naujiems vaistams, analizuodamas didelius duomenų rinkinius ir sudėtingus biologinius ryšius – tai svarbus ankstyvas žingsnis.
Baltymų struktūros prognozavimas: padeda suprasti baltymų formas ir funkcijas, o tai yra labai svarbu, kuriant molekules, kurios veiksmingai su jais sąveikauja, prognozuojant nežinomas baltymų struktūras.
Virtualus patikrinimas: generuodamas skaitmeninius dvynius ir imituodamas sąveikas, R1 leidžia tyrėjams virtualiai išbandyti tūkstančius vaistų kandidatų (ligandų) su taikiniais prieš brangius fizinius eksperimentus, taip sutaupant daug laiko ir pinigų.
Personalizuota medicina: jos samprotavimo galimybės gali padėti pritaikyti gydymą, sukuriant skaitmeninius pacientų modelius, leidžiančius suasmeninti vaistų derinius ir dozavimo strategijas, kaip matyti iš dirbtinio intelekto valdomų protokolų koregavimų tyrimuose.
Klinikinių tyrimų optimizavimas: R1 gali stebėti biožymenų tendencijas realiuoju laiku tyrimų metu, taip sudarydamas sąlygas greitesniam dozės modifikavimui, potencialiai sumažindamas nepageidaujamų reiškinių skaičių ir palaikydamas efektyvesnius tyrimų planus.
Duomenų sintezė ir hipotezių generavimas: tyrėjai naudoja R1 tokioms užduotims, kaip diagnostinių hipotezių generavimas, diferencinių diagnozių nustatymas ir sudėtingų atvejų tyrimų planavimas, demonstruodami jo plačias analitines galias medicinoje.
Kaip R1 veikia (pagrindinės savybės):
Samprotavimas ir kontekstas: R1 puikiai atlieka mokslinius samprotavimus ir išlaiko kontekstą ilgų sąveikų metu, todėl gali suprasti sudėtingus biologinius naratyvus ir pačiam taisytis.
Daugiamodalinis duomenų tvarkymas: jis gali apdoroti įvairių tipų duomenis (tekstą, potencialiai vaizdus / sekas), todėl yra universalus biologiniams tyrimams.
Ekonomiškas ir efektyvus: tokios technikos, kaip kelių galvų latentinis dėmesys leidžia generuoti kelis rezultatus vienu metu, didinant efektyvumą ir mažinant veiklos sąnaudas, palyginti su kitais modeliais.
Daugiagalvis latentinis dėmesys (MLA) yra pažangus dėmesio mechanizmas, išpopuliarintas „DeepSeek-V2“, kuris žymiai padidina transformerio efektyvumą suspausdamas rakto (K) ir reikšmės (V) vektorius į bendrą, žemo rango „latentinę erdvę“, drastiškai sumažindamas atminties naudojimą (KV talpyklą), išvadų darymo metu neprarandant našumo ir dažnai jį pagerindamas. Užuot saugojęs visas K/V poras kiekvienai galvai, MLA naudoja bendrą, suspaustą latentinį vektorių, todėl jį labai lengva pritaikyti ilgoms sekoms ir sudėtingiems modeliams, kitaip, nei standartinį daugiagalvį dėmesį (MHA) ar net grupinį užklausų dėmesį (GQA).
Kinijos dirbtinio intelekto taikymo vaistų atradimui pavyzdžiai
„DrugCLIP“: Kinijoje sukurta dirbtinio intelekto sistema itin greitam virtualiam vaistų junginių patikrinimui pagal baltymų taikinius.
Jiu Wei-TCM-LLM: Naudojamas TCM analizei, taikinių prognozavimui ir vaistų sąveikos supratimui.
Šie ištekliai – tiek didelės duomenų bazės, tiek pagrindiniai dirbtinio intelekto modeliai – leidžia tyrėjams panaudoti dirbtinį intelektą naujiems terapiniams kandidatams nustatyti, ypač atsižvelgiant į turtingą tradicinės kinų medicinos kontekstą.
Visos šios veiklos rezultatai daug žadantys:
„Farmacijos įmonių susijungimų ir įsigijimų virtinė kursto optimizmą, kad biotechnologijų rizikos kapitalas yra pasirengęs atsigauti po pandemijos sukelto nuosmukio.
Investicinio banko „Stifel“ duomenimis, 2025-ieji buvo treti pagal užimtumą metai pramonėje, nes visame pasaulyje buvo sudaryta 223 mlrd. JAV dolerių vertės biotechnologijų įmonių susijungimų ir įsigijimų sandorių.
Naujausi įsigijimai iliustruoja vaistų gamintojų agresyvų siekį sudaryti sandorius, kurie galėtų padėti jiems konkuruoti karštose rinkose, tokiose kaip nutukimo gydymas, ir papildyti savo produktų atsargas startuolių produktais, nes jų pačių perkamiausi vaistai nebegauna patento. Lapkritį „Pfizer“ laimėjo konkursą su konkurente „Novo Nordisk“, kad įsigytų su nutukimu susijusią „Metsera“ – vieną iš nedaugelio rizikos kapitalo biotechnologijų bendrovių, kurios 2025 m. taps viešai prieinamos – sandoriu, kurio vertė gali siekti daugiau nei 10 mlrd. JAV dolerių.
„Matėme daugybę susijungimų ir įsigijimų, kurie atgaivina entuziazmą sektoriuje“, – sakė dr. Brianas Abrahamsas, „RBC Capital Markets“ pasaulinių sveikatos priežiūros tyrimų vadovas.
Susijungimų ir įsigijimų sandoriai padeda Rizikos ir kiti investuotojai užtikrina grąžą savo rėmėjams ir skiria daugiau pinigų naujoms įmonėms. Tai galėtų padėti panaikinti praėjusių metų nuosmukį, kai JAV ir Europos biotechnologijų įmonės pritraukė 26 mlrd. JAV dolerių rizikos kapitalo, palyginti su 27 mlrd. JAV dolerių 2024 m., teigia HSBC Innovation Banking.
Praėjusį pavasarį dėl prezidento Trumpo tarifų kilęs neapibrėžtumas sulėtino rizikos kapitalo investicijas.
Netrukus po Trumpo „Išlaisvinimo dienos“ tarifų paskelbimo balandžio mėnesį, startuolis „Crystalys Therapeutics“ prarado investuotojus, kurie sutiko remti bendrovės A serijos finansavimo etapą, teigė vienas iš įkūrėjų ir generalinis direktorius Jamesas Mackay'us.
„Jie tiesiog nusprendė niekur neinvestuoti, kol viskas nenurims“, – sakė Mackay'us. „Crystalys“, kurianti podagros gydymą, rado pakaitalus ir rugsėjį paskelbė apie 205 mln. JAV dolerių vertės A serijos finansavimo etapą.
Tačiau antroje pusėje finansavimas atsigavo, nes investuotojai ir vaistų gamintojai įsisavino politikos pokyčius ir padarė išvadą, kad jie nepakenks tiek, kiek iš pradžių tikėtasi. Farmacijos įmonės vėl pradėjo ieškoti startuolių, kurie juos pirktų, atgaivindamos susidomėjimą biotechnologijomis.
„Žmonės pradėjo suprasti, kad už ėmimąsi gaunate atlygį.“ „rizika“, – teigė Anna Fan, vyresnioji viešojo kapitalo partnerė „Novo Holdings“ rizikos kapitalo investicijų komandoje.
Startuoliai, taikantys dirbtinį intelektą vaistų kūrimui, tobulina vaistus iki klinikinių tyrimų ir patraukia farmacijos įmonių dėmesį – tai dar viena tendencija, skatinanti susidomėjimą biotechnologijomis.
Biotechnologijos startuolis „Enveda“, kuris naudoja dirbtinį intelektą gamtoje ieškodamas molekulių, kurias galima panaudoti naujiems vaistams gaminti, neseniai perkėlė savo trečiąjį junginį į klinikinius tyrimus – galimą uždegiminės žarnyno ligos gydymą, anksčiau pateikęs klinikinius tyrimus kitiems vaistų kandidatams: vienam – egzemai ir astmai, kitam – nutukimui.
Praėjusiais metais bendrovė sulaukė farmacijos įmonių susidomėjimo, tačiau vietoj to pritraukė 150 mln. dolerių D serijos finansavimą, kad galėtų išlaikyti visišką savo vaistų kūrimo proceso nuosavybę, teigė įkūrėjas ir generalinė direktorė Viswa Colluru.
Praėjusiais metais biotechnologijų pirminiai vieši siūlymai (IPO) įstrigo – JAV biržose kotiruojamos tik devynios bendrovės, palyginti su 19 bendrovių 2024 m., teigia „J.P. Morgan“.
Tačiau praėjusią savaitę įvykęs radiofarmacinių preparatų bendrovės „Aktis Oncology“ IPO 2026 m. pradžią pradėjo energingai. „Aktis“ ne tik padidino savo siūlymą, bet ir viešai siūlė akcijas už didžiausią numatomą ribą.
Pagerėjusi IPO rinka suteiktų biotechnologijų startuoliams daugiau finansavimo galimybių, padidintų konkurenciją farmacijos įmonių pirkėjams ir padidintų rizikos kapitalo investuotojų pasitikėjimą šiuo sektoriumi.
Kelios brandžios biotechnologijų bendrovės dabar svarsto galimybę įtraukti akcijas į viešąjį biržos sąrašą, todėl investuotojai tikisi spartesnio IPO tempo 2026 m.
„Tai bus daug produktyvesni metai, o kokybės kartelė bus aukšta“, – teigė dr. Jimas Healy, „Sofinnova Investments“ vadovaujantis partneris.“ [1]
1. Markets: Biotech Venture-Capital Deals Poised to Recover in '26. Gormley, Brian. Wall Street Journal, Eastern edition; New York, N.Y.. 16 Jan 2026: B9.
Komentarų nėra:
Rašyti komentarą