Artificiell intelligens inom läkemedelsutveckling

Läkemedelsmolekyler som aktiverar TAAR1 har visat lovande resultat vid behandling av schizofreni och psykos, säger Markus Saarinen, doktor vid fakulteten för Klinisk Neurovetenskap och en av de första författarna till studien. Då är det istället mycket effektivare att låta AI lära sig hur principerna för DNA-navigering fungerar.

Farmakognosi b Kursen introducerar metoder för artificiell intelligens och hur det kan hjälpa till att lösa problem inom olika delar av läkemedelsutveckling.

3ff036 Introduktion till användning av artificiell intelligens (AI) och maskininlärning (ML) vid upptäckt av läkemedel.

Ai utbildning uppsala universitet Artificiell intelligens spelar en allt större roll inom läkemedelsforskning.

Bioinformatik distans AI inom läkemedelsutveckling har en omfattande potential till effektivisering och rationalisering, inte minst i de tidiga faserna.

Bild: Titel: Markus Saarinen. Bild: titel: för Svenningson. Effektivare proteinproduktion. Målproteinet för behandling av psykos har nu studerats av forskare från bland annat Karolinska Institutet och Uppsala universitet, om AI-strukturer också är tillräckligt bra för utveckling av läkemedel mot psykisk sjukdom. Det kommer att skriva ut DNA för att effektivisera principen för den nya metoden, liknande den som används när AI genererar ansikten som ser ut som riktiga människor.

Ett oväntat stort antal molekyler aktiverade TAAR1, och en av de mest kraftfulla visade också lovande effekter i djurförsök med möss. Forskarna utvecklade sin metod på jästsvampen Saccharomyces cerevisiae, vars celler liknar däggdjursceller. AI utvecklar sedan syntetiskt DNA, vilket är lätt att ändra i önskad riktning. Installationen av högprecisionsmolekyler, som förutspåddes binda till receptorn, testades i experiment av Markus Saarinen och Na Svenningson vid Karolinska Institutet.

Stora framsteg de senaste åren inom AI har gjort det möjligt att förutsäga proteinstrukturer med högre noggrannhet än tidigare. Nu har vi lyckats utveckla vårt eget DNA, som innehåller exakt de instruktioner som behövs för att verifiera hur mycket av ett visst protein som produceras, säger Aleksej Zelezniak från forskargruppens senaste viktiga genombrott. Därför är det mycket svårt att göra experimentella ändringar av det genom att läsa, ändra, läsa och ändra igen.

Då är det lätt att byta ansikte, till exempel för att säga att det ska bli äldre eller ha en annan frisyr. Med superdatorberäkningar har forskare i kemiska bibliotek med flera miljoner molekyler blivit ombedda att hitta de som är mest lämpliga i den förutsagda strukturen. När AI lär sig hur ett stort antal ansikten ser ut kan det skapa en helt ny verklighet-ansikten.

Det tar år av forskning för att hitta något som fungerar. Vad som annars skulle ta år kan förkortas till veckor eller månader, säger studiens första författare, Jana Zrimeka, en tidigare forskare i Alexey-Zelezniak-gruppen och nu aktiv vid National Institute of Biology i Slovenien. Men å andra sidan, från nollprogrammering fanns det en pålitlig person utan AI, det skulle ha varit mycket svårare och mer tid.