2025. 06. 10. - 08:20
Áttörés a gyógyszerkutatásban: az új mesterséges intelligencia modell 1000-szer gyorsabban jósol
Áttörést ért el a gyógyszerkutatás terén egy új mesterséges intelligencia-modellel a Massachusetts-i Technológiai Intézet (MIT), modelljük ezerszer gyorsabb jóslást tesz lehetővé.
Új mesterséges intelligencia modelljével áttörést ért el a gyógyszerkutatásban a Massachusetts-i Technológiai Intézet (Massachusetts Institute of Technology – MIT).
MI-modelljük 1000-szer gyorsabban jósolja meg, hogy a gyógyszerek kötődése milyen szoros a fehérjékhez, mint a korábbi módszerek.
Az MIT új kutatása jelentős előrelépést jelent a mesterséges intelligencia által támogatott gyógyszerkutatásban, hiszen a modell - új sebesség- és pontossági szintekkel - képes megmondani, mennyire kötődnek jól a gyógyszermolekulák a fehérjecélpontjaikhoz.
A Boltz-2 modellt az MIT Számítástechnikai és Mesterséges Intelligencia Laboratóriuma és a Jameel Klinika fejlesztette ki, együttműködésben a Recursion biotechnológiai vállalattal.
A valós gyógyszerfejlesztés gyakorlati motorja
A kutatócsoport szerint a Boltz-2 az első mélytanulási modell, amely megfelel az intenzív fizikai alapú szimulációk pontosságának, miközben több mint 1000-szer fut gyorsabban. Olvasd el: Új gyógyszerek tervezésére kódolják a ChatGPT-t
Áttörés a gyógyszerkutatásban: a mesterséges intelligencia modell 1000-szer gyorsabban jósol
„Ez a teljesítménynövekedés a Boltz-2-t nemcsak kutatási eszközzé, hanem a valós gyógyszerfejlesztés gyakorlati motorjává teszi. Ahelyett, hogy órákat töltenének egyetlen molekula és célpontja közötti kölcsönhatás szimulálásával, a tudósok most hatalmas kémiai könyvtárakat tudnak átvizsgálni ugyanazon időkereten belül, lehetővé téve a korai stádiumú csapatok számára, hogy csak a legígéretesebb vegyületeket priorizálják laboratóriumi tesztelésre” – fejtette ki Gabriele Corso, az MIT PhD-hallgatója, egyik vezető kutató.
Példátlan gyorsaságot produkáló mesterséges intelligencia-modell
A terv korábbi MI-modellekre - például az AlphaFoldra - épül, amely képes megjósolni a fehérjék 3D-s szerkezetét, de nem tudta viszont megmondani, hogy két molekula milyen erősen kötődhet egymáshoz, s ez a gyógyszerhatékonyság kritikus markere.
A Boltz-2 mesterséges intelligencia-modellt ezen hiányosságnak a betöltésére tervezték. Több millió valós laboratóriumi mérésen betanítva, a MI-modell „példátlan pontossággal” képes megjósolni a kötődés erősségét több referenciaértéken keresztül.
A modell a munkatársak első iterációjára, a Boltz-1-re épül - amelyet 2024-ben terveztek. A frissített verziót egy nagyobb és változatosabb adatkészlettel képezték át, beleértve a mozgásban lévő molekulák számítógépes szimulációit és a modell korábbi verziójából származó előrejelzésekből készült szintetikus adatokat.
„Ez a kiadás különösen jelentős a kis molekulájú gyógyszerkutatás területén, ahol a fejlődés elmaradt a biológiai és fehérjemérnöki területeken tapasztalt gyors fejlődéstől” – mondta Saro Passaro, a Jameel Klinika kutatója.
„Míg az olyan modellek, mint az AlphaFold és a Boltz-1, jelentős ugrást tettek lehetővé az antitestek és fehérjealapú terápiák számítási tervezésében, a kis molekulák szűrésének képességében – amelyek a globális gyógyszerfolyamatban lévő készítmények többségét teszik ki – nem tapasztaltunk hasonló javulást” – tette hozzá Passaro.
A szakember megjegyezte: a Boltz-2 közvetlenül orvosolja ezt a hiányosságot, azáltal, hogy pontos kötődési affinitás-előrejelzéseket biztosít, amelyek drámaian csökkenthetik a korai szakaszban történő szűrés költségeit és idejét.
A Boltz-2 teljes mértékben nyílt forráskódúként jelenik majd meg, beleértve a modellkódot, a súlyokat és a betanítási adatokat.
B.A.
