Geçtiğimiz yıl, bulut satış destek yazılımı (ve Slack) ile tanınan Salesforce, üretken yapay zeka kullanarak protein tasarlamak için ProGen adlı bir projeye öncülük etti. Arkasındaki araştırmacılar, ProGen’in pazara sürülmesi halinde tıbbi tedavilerin geleneksel yöntemlere göre daha uygun maliyetli bir şekilde ortaya çıkarılmasına yardımcı olabileceğini, araştırma açısından çığır açıcı bir gelişme olduğunu belirtiyor. talep edildi Ocak 2023 tarihli bir blog gönderisinde.
ProGen, Nature Biotech dergisinde yayınlanan ve yapay zekanın yapay proteinlerin 3 boyutlu yapılarını başarıyla oluşturabildiğini gösteren araştırmayla sonuçlandı. Ancak gazetenin ötesinde projenin Salesforce’ta veya başka herhangi bir yerde pek bir önemi yoktu – en azından ticari anlamda.
Yani yakın zamana kadar.
ProGen’den sorumlu araştırmacılardan biri olan Ali Madani bir şirket kurdu. zenginbenzer protein üreten teknolojilerin laboratuvardan ilaç şirketlerinin eline geçmesini umuyor. TechCrunch ile yaptığı bir röportajda Madani, Profluent’in misyonunu hasta ve terapötik ihtiyaçlardan başlayarak “ilaç geliştirme paradigmasını tersine çevirmek” ve “özel uyum” tedavi çözümü oluşturmak için geriye doğru çalışmak olarak tanımlıyor.
Madani, “Birçok ilaç (örneğin enzimler ve antikorlar) proteinlerden oluşuyor” dedi. “Yani sonuçta bu, yapay zeka tarafından tasarlanmış bir proteini ilaç olarak alacak hastalar içindir.”
Salesforce’un araştırma bölümündeyken, Medeni, kendisini doğal dil (örneğin İngilizce) ile proteinlerin “dili” arasındaki paralelliklere kapılmış buldu. Madani, vücudun hormon üretiminden kemik ve kas dokusunu onarmaya kadar çeşitli amaçlar için kullandığı birbirine bağlı amino asit zincirleri olan proteinlerin bir paragraftaki kelimeler gibi ele alınabileceğini keşfetti. Üretken bir yapay zeka modeline beslenen proteinlerle ilgili veriler, yeni işlevlere sahip tamamen yeni proteinleri tahmin etmek için kullanılabilir.
Profluent ile Madani ve Washington Üniversitesi’nde mikrobiyoloji alanında yardımcı doçent olan kurucu ortak Alexander Meeske, konsepti gen düzenlemeye uygulayarak bir adım daha ileri götürmeyi hedefliyor.
“Birçok genetik hastalık tedavi edilemez [proteins or enzymes] Doğrudan doğadan kaldırılmıştır” dedi Madani. “Ayrıca, yeni yetenekler için karıştırılan ve eşleştirilen gen düzenleme sistemleri, erişimlerini önemli ölçüde sınırlayan işlevsel ödünleşimlerden muzdariptir. Bunun aksine, Profluent, özel olarak tasarlanmış bir sonuç elde etmek için birden fazla özelliği aynı anda optimize edebilir. [gene] her hastaya mükemmel uyum sağlayan bir editör.”
Sol alanın dışında değil. Diğer şirketler ve araştırma grupları, proteinleri tahmin etmek için üretken yapay zekanın kullanılabileceği uygulanabilir yollar gösterdi.
Nvidia 2022’de üretken bir yapay zeka modeli yayınladı. MegaMolBART, potansiyel ilaç hedeflerini araştırmak ve kimyasal reaksiyonları tahmin etmek için milyonlarca molekülden oluşan bir veri seti üzerinde eğitildi. Meta eğitimli Şirketin iddia ettiği, protein dizileri üzerine ESM-2 adı verilen bir model, yalnızca iki hafta içinde 600 milyondan fazla proteinin dizilerini tahmin etmeye olanak sağladı. Ve Google’ın yapay zeka araştırma laboratuvarı DeepMind, tam protein yapılarını tahmin eden, daha eski, daha az karmaşık algoritmik yöntemleri çok aşan hız ve doğruluk elde eden AlphaFold adlı bir sisteme sahiptir.
Profluent, hem yeni oluşturmak hem de mevcut gen düzenleme ve protein üretme sistemlerine ince ayar yapmak için yapay zeka modellerini devasa veri kümeleri (40 milyardan fazla protein dizisi içeren veri kümeleri) üzerinde eğitiyor. Başlangıç, tedavileri kendisi geliştirmek yerine, en umut verici onay yollarına sahip “genetik ilaçlar” üretmek için dış ortaklarla işbirliği yapmayı planlıyor.
Madani, bu yaklaşımın genellikle bir tedavi geliştirmek için gereken zaman ve sermaye miktarını önemli ölçüde azaltabileceğini öne sürüyor. Endüstri grubu PhRMA’ya göre, yeni bir ilacın geliştirilmesi, ilk keşiften düzenleyici onaya kadar ortalama 10-15 yıl sürüyor. Son tahminler Bu arada yeni bir ilacın geliştirilmesinin maliyetinin birkaç yüz milyon ila 2,8 milyar dolar arasında olacağını tahmin ediyoruz.
Madani, “Etkili birçok ilaç aslında kasıtlı olarak tasarlanmaktan ziyade tesadüfen keşfedildi” dedi. “[Profluent’s] Bu yetenek, insanlığa, biyolojide en çok ihtiyaç duyulan çözümlerin tesadüfi keşiften kasıtlı tasarımına geçme şansı sunuyor.”
Berkeley merkezli, 20 çalışanlı Profluent, aralarında Spark Capital (şirketin son 35 milyon dolarlık finansman turuna öncülük eden), Insight Partners, Air Street Capital, AIX Ventures ve Convergent Ventures’ın da bulunduğu büyük risk sermayedarları tarafından destekleniyor. Google’ın baş bilim insanı Jeff Dean de katkıda bulunarak platforma daha fazla güven kazandırdı.
Madani, önümüzdeki birkaç ay içinde Profluent’in odak noktasının, kısmen eğitim veri setlerini genişleterek ve müşteri ve iş ortağı edinerek yapay zeka modellerini yükseltmek olacağını söylüyor. Agresif bir şekilde hareket etmesi gerekecek; EvolutionaryScale ve Basecamp Research’ün de aralarında bulunduğu rakipler, kendi protein üreten modellerini hızla eğitiyor ve büyük miktarda VC parası topluyor.
Madani, “İlk platformumuzu geliştirdik ve gen düzenlemede bilimsel atılımlar gösterdik” dedi. “Şimdi ölçeklendirmenin ve geleceğe yönelik hedeflerimize uygun ortaklarla çözümler sağlamaya başlamanın zamanı geldi.”