Γιατί τα βιολογικά δεδομένα είναι κρίσιμα στην ανακάλυψη φαρμάκων με τη βοήθεια της τεχνητής νοημοσύνης
Η σημασία των βιολογικών δεδομένων στην ανακάλυψη φαρμάκων με τη βοήθεια της τεχνητής νοημοσύνης (AI) δεν μπορεί να υποτιμηθεί. Η GlaxoSmithKline (GSK) έχει συνάψει συνεργασία με τη βρετανική βιοτεχνολογική εταιρεία Relation Therapeutics, αξίας έως και 110 εκατομμυρίων δολαρίων, για να επεκτείνει την υπάρχουσα συνεργασία τους στην ανακάλυψη φαρμάκων με τη βοήθεια της AI. Η συμφωνία αυτή υπογραμμίζει τη σημασία της παραγωγής βιολογικών δεδομένων παράλληλα με την ανάπτυξη μοντέλων AI. Η Relation θα δημιουργήσει μεγάλης κλίμακας σύνολα δεδομένων που μετρούν πώς τα ανθρώπινα κύτταρα ανταποκρίνονται σε γενετικές αλλαγές και φαρμακευτικές παρεμβάσεις, τα οποία θα χρησιμοποιηθούν για την εκπαίδευση μοντέλων AI που θα εντοπίζουν πιθανούς στόχους φαρμάκων.
Η προσέγγιση της Relation στην παραγωγή βιολογικών δεδομένων
Η Relation υιοθετεί μια προσέγγιση που συνδυάζει την πειραματική εργαστηριακή εργασία με την υπολογιστική ανάλυση. Η προσέγγισή της περιλαμβάνει την προφίλ των ιστών, τη μονοκύτταρη και χωρική μεταγραφική ανάλυση, την αλληλούχιση και την επικύρωση στόχων, ενώ η μηχανική μάθηση χρησιμοποιείται για τον εντοπισμό, την προτεραιοποίηση, την επικύρωση στόχων και τον σχεδιασμό πειραμάτων. Η εταιρεία πραγματοποιεί επίσης πειράματα διαταραχής που μετρούν πώς οι γενετικές αλλαγές επηρεάζουν τα κυτταρικά χαρακτηριστικά που σχετίζονται με ασθένειες. Τα αποτελέσματα αυτά μπορούν να αναλυθούν παράλληλα με γενετικά και βιολογικά δεδομένα που προέρχονται από ασθενείς.
Η σημασία των εξειδικευμένων συνόλων δεδομένων στη φαρμακοβιομηχανία
Η Relation έχει ήδη εφαρμόσει την προσέγγιση παραγωγής δεδομένων της στο Osteomics, το οποίο περιγράφεται ως ένας ιδιόκτητος λειτουργικός μονοκύτταρος άτλας των οστών. Το έργο αυτό χρησιμοποιεί δείγματα που προέρχονται από ασθενείς και συνδυάζει μονοκύτταρη και χωρική ομική ανάλυση με απεικονίσεις, γονιδιωματικά, πρωτεϊνωματικά και κλινικά φαινοτυπικά δεδομένα. Η Relation, σε συνεργασία με νοσοκομεία και ερευνητικούς εταίρους στο Ηνωμένο Βασίλειο και την Αυστραλία, διερευνά τη βιολογία ασθενειών, θεραπευτικούς στόχους, βιοδείκτες και υποομάδες ασθενών στην οστεοπόρωση.
Οι προκλήσεις και οι ευκαιρίες στη χρήση βιολογικών δεδομένων
Η πρόσβαση σε επαρκή και υψηλής ποιότητας δεδομένα παραμένει περιοριστικός παράγοντας στην ανακάλυψη φαρμάκων με τη βοήθεια της AI. Μια ανάλυση του Nature Biotechnology για τις συμφωνίες που επικεντρώνονται στην AI στη βιοφαρμακευτική βιομηχανία εντόπισε τους παρόχους εξειδικευμένων συνόλων δεδομένων ως μία από τις τάσεις που αναδύονται από τις πρόσφατες συνεργασίες. Η ανάλυση ανέφερε ότι τα υψηλής ποιότητας, ειδικά για ασθένειες σύνολα δεδομένων γίνονται σημαντική είσοδος για τα αιτιώδη και γενετικά μοντέλα μηχανικής μάθησης.
Η ισορροπία μεταξύ μεγέθους και ποιότητας δεδομένων
Έρευνα που δημοσιεύθηκε στο Nature Methods εξέτασε πώς το μέγεθος και η ποικιλία των δεδομένων προεκπαίδευσης επηρεάζουν τα μονοκύτταρα θεμελιώδη μοντέλα. Οι ερευνητές διαπίστωσαν ότι η ικανότητα του μοντέλου, το μέγεθος του συνόλου δεδομένων και οι υπολογιστικοί πόροι πρέπει να ισορροπούνται αντί να αυξάνονται απλώς μαζί. Η προσθήκη περισσότερων βιολογικών δεδομένων εκπαίδευσης δεν οδήγησε σταθερά σε περαιτέρω βελτιώσεις της απόδοσης.
Συμπέρασμα: Η σημασία της εξειδίκευσης και της ποιότητας δεδομένων
Η συμφωνία μεταξύ GSK και Relation περιλαμβάνει τόσο την παραγωγή δεδομένων όσο και την ανάπτυξη μοντέλων. Η Relation θα παράγει σύνολα δεδομένων ανθρώπινων κυττάρων στο πλαίσιο της συνεργασίας και θα τα χρησιμοποιήσει για να εκπαιδεύσει μοντέλα AI για τον εντοπισμό πιθανών στόχων φαρμάκων. Η έμφαση στην ποιότητα και την εξειδίκευση των δεδομένων είναι κρίσιμη για την επιτυχία στην ανακάλυψη φαρμάκων με τη βοήθεια της AI. Οι εταιρείες που επιδιώκουν να αξιοποιήσουν την AI στη φαρμακευτική έρευνα πρέπει να διασφαλίσουν ότι διαθέτουν πρόσβαση σε υψηλής ποιότητας, εξειδικευμένα σύνολα δεδομένων που μπορούν να υποστηρίξουν την ανάπτυξη καινοτόμων θεραπευτικών λύσεων.
