Codex i ChatGPT u potrazi za novim antimikrobnim molekulima
Laboratorija bioinženjera Césara de la Fuentea koristi sopstvene modele dubokog učenja, ChatGPT i Codex za potragu za molekulima koji bi mogli delovati protiv infektivnih mikroba. Takav pristup može skratiti početnu pretragu kandidata sa godina na sate, u trenutku kada je bakterijska antimikrobna rezistencija bila povezana sa oko pet miliona smrti tokom 2021. godine.
De la Fuenteov tim pretražuje genome živih i izumrlih organizama. Polazište je ideja da su DNK nukleotidi i aminokiseline u proteinima i peptidima informacijski zapis iz kojeg se mogu prepoznati obrasci povezani sa biološkom aktivnošću.
Pretraga izvan poznatih hemijskih klasa
Razvoj antimikrobnih sredstava često se oslanja na izmene postojećih lekova ili pretragu poznatih klasa hemikalija. Laboratorija, nasuprot tome, traži signale u velikim bazama genoma i proteina, koje omogućavaju istraživanje kroz čitavo stablo života.
Modeli dubokog učenja rangiraju veliki broj mogućnosti i izdvajaju uži skup kandidata za eksperimentalno testiranje. To rešava problem pronalaženja relevantnih obrazaca u količini podataka koju je teško pregledati klasičnim postupcima, ali pronalaženje kandidata nije isto što i razvoj odobrenog leka.
AI kao podrška interdisciplinarnom radu
Članovi tima koriste ChatGPT za razradu hipoteza, obradu skupova podataka, analizu rezultata i povezivanje ideja iz različitih naučnih oblasti. Codex pomaže u pisanju i unapređivanju koda, a takva podrška olakšava biolozima rad sa programima i programerima pristup biološkim problemima.
U laboratoriji AI služi i za pregled nepoznatih tema, pojašnjenje terminologije, poređenje metoda i organizovanje ideja. Neki članovi ga koriste za preuzimanje, organizovanje i prethodnu obradu velikih genomskih skupova, dok rad na maternjem jeziku može smanjiti prepreke u svakodnevnom toku rada. U tom kontekstu, razvojne mogućnosti poput razvojne mogućnosti mobilnog Codexa mogu pomoći timovima da tehničke zadatke približe radnim tokovima istraživanja.
Laboratorijska potvrda ostaje obavezna
Svaki izdvojeni molekul mora se proveriti u laboratoriji: potrebno je utvrditi da li deluje na ciljani mikrob, koja je potrebna doza i kako utiče na ljudske ćelije. Slede optimizacija efikasnosti, bezbednosti i stabilnosti, kao i procene toksičnosti, razvoja rezistencije, ponašanja u organizmu i mogućnosti pouzdane proizvodnje.
Čak i kandidati koji prođu te korake moraju proći regulatornu procenu i klinička ispitivanja pre dolaska do pacijenata. Poslovni zaključak je da AI u istraživanju donosi najviše kada ubrzava izbor i pripremu proverljivih kandidata, dok se ključne odluke oslanjaju na stručnu i eksperimentalnu potvrdu.