Nvidia помага за създаването на лекарства, които още не съществуват, но вече помагат

SandboxAQ, компания, основана от Google и подкрепена от Nvidia представи нов отворен набор от данни, който може да доведе до революция в ранното разработване на лекарства. Става дума за огромната база данни SAIR (Structurally Augmented IC50 Repository) с повече от 5,2 милиона двойки молекула-белтък под формата на синтетично генерирани 3D структури, свързани с реални данни за ефективността на взаимодействието.

Проектът има за цел да преодолее едно от най-ресурсоемките тесни места във фармакологията: да се установи дали дадено съединение действително ще се свърже с правилния протеин и ще има необходимия биологичен ефект.

Това е една от ключовите стъпки преди клиничните изпитвания, а разходите за нея могат да бъдат критични. Традиционно този процес включва получаването на 3D структура на даден протеин, след което се моделират или лабораторно се тестват хиляди потенциални лекарства. Всяко съединение изисква прецизиране на пространственото му положение и оценка на биохимичната активност. Това изисква време, капацитет и колосален брой повтарящи се операции.

SandboxAQ предлага решение на тази безизходица. С помощта на модели за молекулно навиване и изчислителните ресурси на Nvidia е създадена уникална библиотека от синтетични структури, които не могат да се наблюдават директно в лабораторията, но са изчислени с помощта на данни от публични източници като ChEMBL и BindingDB. За всяка двойка молекула-белтък с известна активност разработчиците създават до 5 различни 3D структури и след това избират най-валидните.

Всяка структура е свързана с конкретни стойности на активност (IC50), което им позволява да предвидят не само как молекулата ще легне върху протеина, но и с каква ефективност ще действа. Тази симбиоза между геометрия и биохимия е от ключово значение за ускоряване на етапа на подбор на кандидати.

Подобни инструменти са от решаващо значение за обучението на AI модели от следващо поколение, включително AlphaFold 3 и Boltz-2. Макар че съвременният изкуствен интелект е постигнал значителен напредък в предсказването на структурата на протеините, той все още изпитва затруднения при работа с нови съединения и нестандартни протеини. SAIR предлага решение: по-разнообразни данни, без да се налага да се разчита на затворените бази данни на фармацевтичните гиганти.

Компанията заяви, че SAIR ще бъде на разположение на всички изследователи безплатно. Планира се обаче достъпът до най-усъвършенстваните модели, обучени върху самата база данни да бъде платен. По този начин учените и фармацевтичните компании ще могат да тестват ефикасността на нови лекарства почти мигновено и без физически синтез, спестявайки милиони и съкращавайки годините на разработка.