Станет ли AI будущим биотехнологий?
Привет. В настоящее время искусственный интеллект (AI) уже глубоко укоренился в сфере биотехнологий. В данном посте будут рассмотрены его новые приложения в этой отрасли.
Искусственный интеллект (AI) и машинное обучение (ML) стали повсеместными в технологических стартапах, чему способствовали в основном увеличение доступности и объема данных и более дешевые, более мощные компьютеры. Теперь, если вы запускаете новый технический стартап, возможности ML или AI представляют собой минимальный билет для входа в отрасль. За последние несколько лет AI и МЛ начали проникать и в сферу биотехнологий из-за аналогичной трансформации биотехнологических данных.
Мы начинаем наблюдать появление партнерских отношений между большой фармацевтикой и биотехнологическими стартапами, которые используют AI и ML для открытия лекарств и других целей. Положительные результаты уже достигнуты в результате работы совместных проектов, в частности, задержка начала болезни моторных нейронов при помощи лекарства, предложенного BenevolentBIO, чья эффективность подтверждена исследованием, проведенном SITraN.
Учитывая эти результаты, мы должны задать себе вопрос: какова роль AI и ML сейчас, а также в будущем биотехнологий?
Диагностика
Диагностические тесты сегодня, как правило, разрабатываются один раз и обновляются только при значительном сдвиге парадигмы. Из-за этого возникают недостающие возможности для улучшения анализа, когда становятся известны результаты предыдущих диагнозов. В том время, как методы ML могут немедленно использовать истинный результат для улучшения диагностического теста. Это означает, что чем больше диагностических тестов выполняется, тем более точным может быть испытание.
В настоящее время наиболее очевидная реализация методов ML для диагностики заключается в генетическом анализе. Sophia Genetics, швейцарский стартап, основанный в 2011 году, является примером современной деятельности. Они берут биопсию или образец крови у пациента, обрабатывают образец, а затем анализируют данные своими мощными аналитическими алгоритмами AI.
В случае с Sophia Genetics анализ данных занимает всего несколько дней, а не несколькими месяцев, как текущие методы. Несмотря на то, что скорость явно является преимуществом, долгосрочное преимущество заключается в том, что алгоритм машинного обучения, стоящий за AI-анализом, позволяет диагностическому процессу стать более умным с каждой итерацией.
Помимо генетического анализа, методы ML могут использоваться в любой диагностике, которая может быть оцифрована, что позволяет алгоритму определять правильные «функции» для внедрения в его окончательный процесс принятия решений. DNAlytics демонстрирует другое использование ML в диагностике, используя расширенные вычисления, чтобы помочь диагностировать ревматоидный артрит.
Лабораторные помощники
Утомительные задачи, выполняемые в лаборатории, такие как проектирование конструкций для редактирования генов или анализа данных, также постепенно передаются в руки программам AI, как своего рода вспомогательная работа. Desktop Genetics создала новую платформу для разработки конструкций редактирования генов с использованием CRISPR, который работает при помощи AI. Их платформа для редактирования генов стоит за всем процессом, от выбора правильных молекул sgRNA до анализа данных эксперимента.
Возможность AI позволяет им быстрее и эффективнее создавать библиотеки CRISPR, которые могут понадобиться для одного конкретного эксперимента или для всей лаборатории в целом. Специально для людей, которые не имеют большого опыта работы с CRISPR-Cas9, эта платформа ценна не только для ускорения процесса от проектирования до проведения эксперимента, но и для повышения эффективность редактирование гена.
Для ученых, которые хотят более быстрый и/или более простой анализ данных, существуют стартапы, ориентированные на использование AI для просмотра многих типов данных. H2O.ai - это платформа с открытым исходным кодом, на которой люди могут анализировать данные, используя тысячи различных моделей статистического анализа. В то время как H2O.ai является агропромышленным стартапом, есть несколько стартапов, ориентированных конкретно на медицинские и биотехнологические данные, облегчая бремя анализа данных от поставщиков медицинских услуг.
Сегодня все больше данных генерируется, но не все эти данные могут быть использованы, а тем более использованы адекватно, на данный момент. Эти стартапы направлены на сокращение узкого места при анализе данных, чтобы использовать уже существующие их обширные базы данных.
Открытие лекарств
По-видимому, самые интересные достижения в биотехнологии с использованием AI и ML были достигнуты в сфере разработке медикаментов. Нынешняя экономика открытия лекарств неустойчива, а затраты теперь достигают сумм в более 2,5 млрд. долл. США и 12 лет испытаний для одного препарата. Низко висящие фрукты уже выбраны, но новые подходы для достижения более высоко висящих еще не появились.
Тем не менее, AI и ML могут быть решением, которое давно искала большая фармацевтика. Компьютерные технологии обещают сделать открытие лекарств более дешевым и быстрым, эффективно используя время, необходимое для этого. Уже налажены партнерские отношения между молодыми стартапами и фармацевтическими гигантами, и мы можем ожидать большой рост в этом направлении.
Существует несколько подходов к запуску стартапа, чтобы добиться этих успехов. Некоторые стартапы сосредоточены на использовании растущего количества генетических данных и дешевого секвенирования для поиска лекарств с генетической точки зрения. Другие используют компьютерное зрение для анализа изображений клеток, которые были обработаны лекарственными соединениями, что устраняет необходимость в том, чтобы десятки докторантов тщательно вглядывались в микроскоп и экран для поиска представляющих интерес соединений.
Несколько компаний используют структурный подход к открытию лекарств, используя ML для поиска небольших молекул, которые могут обеспечить терапевтические преимущества на основе известных структур-мишеней. Наконец, стартапы, такие как BenevolentBIO, используют AI для обработки огромных существующих научных данных. С помощью этих результатов они могут использовать ранее проведенные исследования, чтобы лучше готовить будущие эксперименты и выявлять возможные ошибки в предыдущих исследованиях.
С AI и ML, все больше проникающими практически во все части биотехнологий, какое будущее нас ждет? Стартапы и диагностика могут сделать медицинских работников и ученых более эффективными на своих рабочих местах.
В сфере открытия лекарств стартапы действуют как компании, продающие свои результаты тем, у кого есть капитал, как финансовый, так и человеческий, чтобы продвигать разработки дальше по пути процесса исследования.
Тем не менее, помимо инициативы IBM Watson, крупные компании, похоже, довольны передачей на аутсорсинг этого ведущего этапа поиска лекарств. Являются ли они недальновидными? Что происходит с технологическими гигантами, когда эти небольшие стартапы проникают все дальше в научно-исследовательский трубопровод, проводят свои собственные клинические испытания и в конечном итоге продают лекарства, которые сами и находят?
Если предположить, что проникновение AI и ML в биотехнологии будет только возрастать, то, по-видимому, будут только два результата: крупные компании с наличными деньгами начнут приобретать эти стартапы на ранней стадии и внедрять вычислительные методы в свою текущую структуру НИОКР или на текущий рынок, сегодняшние лидеры постепенно потеряют контроль над разработкой лекарств.
Со всеми положительными аспектами AI в области биотехнологий есть несколько проблем, которые могут помешать прогрессу. В частности, большой объем данных часто хранится в разрозненных или несовместимых средах, что затрудняет консолидацию результатов и не позволяет опираться на весь объем данных. Кроме того, конфиденциальность данных также вызывает озабоченность, особенно для компаний, использующих облачные вычисления для анализа данных, полученных от пациентов.
В целом, AI и ML входят в сферу биотехнологий и они здесь, чтобы остаться надолго. То, что может произойти дальше, все еще обсуждается, и биотехнологические AI компании только формируются, но будущее биотехнологий начинает писаться уже сегодня.
