Генеративна АИ нуди пречицу за развој лекова против антитела

Суочени са глобалном пандемијом, трка је била у развоју третмана за ЦОВИД-19. Молекули антитела били су међу првим развијеним ефикасним третманима, а истраживачи су их извлачили из крви људи који су се опоравили од болести. Међутим, стварање антитела са корисним својствима је ноторно радно интензиван процес који често укључује много покушаја и грешака. Истраживачи су се дуго надали да ће пронаћи пречицу, а сада се чини да су је пронашли у облику генеративне вештачке интелигенције (АИ).

Недавна студија објављена у Натуре Биотецхнологи показала је да генеративна АИ има потенцијал да убрза развој антитела против вируса као што су САРС-ЦоВ-2 и еболавирус. Студија показује како вештачка интелигенција може да предложи секвенце које повећавају снагу антитела против ових вируса. Техника је део растућих напора да се примене неуронске мреже, попут оних иза ЦхатГПТ АИ платформе, на дизајн антитела.

Антитела су протеини које производи имуни систем који могу да идентификују и неутралишу патогене као што су вируси. Постали су миљеници биотехнолошке индустрије јер се могу конструисати да се вежу за скоро сваки протеин који се може замислити да би се манипулисало његовом активношћу. Међутим, стварање антитела са корисним својствима и њихово побољшање укључује много скрининга грубом силом, што може бити дуготрајно и скупо.

Да би видели да ли генеративна АИ може помоћи да се убрза процес, истраживачи су користили моделе језика протеина – неуронске мреже сличне онима које користи ЦхатГПТ АИ платформа. Модели протеинског језика се обучавају на десетинама милиона протеинских секвенци, а не на тексту. Хи и његов тим су користили модел језика протеина – који су развили истраживачи у Мета АИ, делу технолошког гиганта Мета са седиштем у Њујорку – да би предложили мали број мутација за антитела.

Модел је обучен на само неколико хиљада секвенци антитела, од скоро 100 милиона протеинских секвенци из којих је научио. Упркос томе, изненађујуће висок проценат предлога модела повећао је способност антитела против САРС-ЦоВ-2, еболавируса и грипа да се вежу за своје мете.

Многе од предложених промена антитела дешавају се изван региона протеина који ступају у интеракцију са његовом метом, а који су обично у фокусу инжењерских напора. То значи да модел долази до информација које често нису очигледне чак ни стручњацима за инжењеринг антитела. Истраживачи који стоје иза студије верују да ово има важне импликације за дизајн антитела, јер би то могло значити да би генеративна вештачка интелигенција могла да помогне у развоју лекова за циљеве који су се одупрли конвенционалним приступима дизајна.

Шарлот Дин, истраживач имуно-информатике на Универзитету у Оксфорду, верује да ће генеративна вештачка интелигенција бити коришћена за стварање потпуно нових антитела која ће се везати за мету по избору, а не само за побољшање постојећих антитела. Ова способност би могла помоћи истраживачима да развију лекове за молекуларне мете који су се одупрли другим приступима дизајну антитела, као што су рецептори спојени са Г-протеином – породица протеина који су укључени у неуролошке поремећаје, болести срца и друга стања.

Надамо се да ће генеративна АИ бити у стању да дизајнира потпуно нова антитела која препознају одређени протеин. Међутим, кључни изазов у томе је да способност антитела да препознају одређену мету зависи од флопи петљи у структури антитела. Показало се да је ове интеракције тешко моделирати са АИ, кажу истраживачи.

Упркос изазовима, генеративна АИ је већ показала свој потенцијал у помагању истраживачима да убрзају развој лекова против антитела. Истраживање које су спровели Хие и његов тим показује да АИ може предложити мутације које значајно повећавају снагу антитела. Ово је значајан корак напред у потрази за пречицом до дуготрајног и често скупог процеса развоја ефикасних лекова за антитела.