Artificiell intelligens upptäcker droger som är 1000 gånger effektivare

Forskarna utvecklade en modell av artificiell intelligens kunna hitta potentiella molekyler av mediciner minst 1 000 gånger effektivare och lättare att hitta.

Massachusetts Institute of Technology-teamet (MIT) anser att den artificiella intelligensmodellen, kallas EquiBind, kommer att avsevärt minska möjligheterna och kostnaderna för misslyckanden i läkemedelsprövningar. Antalet molekyler som har potentiella drogliknande egenskaper är gigantiskt, uppskattat till cirka 1060. Som jämförelse har Vintergatan cirka 108 stjärnor.

EquiBind-modellen är kapabel att framgångsrikt binda dessa läkemedelsliknande molekyler till proteiner i en hastighet 1 200 gånger effektivare av en av de befintliga beräkningsmolekylära dockningsmodellerna. EquiBind uppnår detta genom integrerade geometriska resonemang som gör det möjligt att förutsäga vilka proteiner som kommer att passa på en molekyl utan några förkunskaper.

Effektivare läkemedel och snabbare att hitta, allt tack vare ett nytt system med artificiell intelligens

“Vi blev överraskade, EquiBind kunde placera allt på rätt plats, så vi var väldigt glada över att se resultatet”, förklarar Hannes Stärk. Resultaten har redan uppmärksammats av branschpersoner, med hopp om att det kan användas för att hitta behandlingar för lungcancer, leukemi och gastrointestinala cancerformer. “EquiBind tillhandahåller en unik lösning på dockningsproblemet som inkluderar både positionsförutsägelse och identifiering av bindningsställe”, säger Pat Walters.

“Det här tillvägagångssättet, som utnyttjar information från tusentals allmänt tillgängliga anläggningar, har potential att påverka fältet på nya sätt.” Uppsatsen, med titeln “EquiBind: Geometric Deep Learning for Drug Binding Structure Prediction”, kommer att presenteras vid den internationella konferensen om maskininlärning (ICML).

Relaterade Artiklar

Back to top button