Британийн Potential Sciences атом, молекул, уургийн харилцан үйлчлэлийг физикийн зарчмаар загварчилж, эмийн шинэ молекулыг хиймэл оюун ухаанаар тодорхойлох зорилготой.
Тус компани атомоос эхлэн жижиг молекул, амин хүчил, уургийн түвшний харилцан үйлчлэлийг симуляцлан, томоохон химийн өгөгдлийн сан байгуулахаар төлөвлөжээ. Үүнд тулгуурлан хиймэл оюуны загвар, таамаглах систем сургаж, тодорхой өвчинд чиглэсэн эмийн молекулыг илрүүлэхийн зэрэгцээ өртөг өндөр, удаан хугацаа шаарддаг лабораторийн туршилтыг багасгахыг зорьж байна.
Үүсгэн байгуулагч, гүйцэтгэх захирал Хатем Хелалын хэлснээр, хүний биологитой харилцан үйлчлэх байдлыг илүү сайн таамагласнаар эмнэлзүйн хэрэглээнд үр дүнгүй нэр дэвшигч молекулуудыг эрт шүүх боломжтой. Стартап арваннэгдүгээр сарын 5-нд үйл ажиллагаагаа эхлүүлснээ зарласан бөгөөд Их Британийн Засгийн газрын хиймэл оюуны хөрөнгө оруулалтын сан SovAI, Twin Path Ventures зэрэг хөрөнгө оруулагчаас хэдэн арван сая ам.долларын эхний шатны санхүүжилт авчээ. Гэхдээ санхүүжилтийн яг хэмжээ болон компанийн үнэлгээг мэдээлээгүй байна.
Туршилтын зардал буурвал эмийн компаниуд өмнө нь эмчилгээний сонголт багатай байсан ховор өвчний эм боловсруулах боломжтой гэж Хелал үзэж байна. Мөн хүний биологийн онцлогт тохирсон, тусгай молекулын хослолоор эмчилгээ хийх боломжийг нэмэгдүүлэх зорилт тавьжээ.
Гэвч эмийн нэр дэвшигч молекул өвчинтэй холбоотой уурагтай хэр сайн холбогдохыг хиймэл оюун ухаан хэр нарийн таамаглах нь тодорхойгүй хэвээр байна. Райсын их сургуулийн химийн профессор Питер Волайнс энэ арга одоогийнхоос сайжрал авчирна гэж үзсэн ч уургийн инженерчлэлийн түвшинг Сэргэн мандалтын үеийнхтэй бус, Ромын үеийнхтэй зүйрлэжээ. Google DeepMind-д хийсэн ажлаараа химийн салбарын Нобелийн шагнал хүртсэн Дэмис Хассабис зэрэг салбарын төлөөлөгчид хиймэл оюун ухаан шинжлэх ухаанд томоохон нээлт авчирна гэж ярьж ирсэн бөгөөд Potential Sciences эмийн нээлт энэ технологиор өөрчлөгдөх эхний салбаруудын нэг болно гэж найдаж байна.
Дэлгэрэнгүйг эх сурвалжаас харах
↓Эх сурвалжийг нээх ↓
A new British startup believes that artificial intelligence is the key to speedrunning the slow and temperamental process of drug design.
Potential Sciences plans to build large-scale chemical datasets by using basic principles of physics to simulate interactions between atoms, then small molecules, then complex amino acids and proteins. With that data, it’s betting it can train AI models and prediction systems capable of identifying highly targeted drugs for specific diseases, bypassing costly and time-consuming lab experimentation.
“We want molecules that are never going to work in the clinic to fail fast,” Hatem Helal, Potential Science’s founder and CEO, tells WIRED. “That means having better predictors of how they will behave as they interact with human biology.”
The startup, which launched on November 5, says it has seed funding in the tens of millions of dollars from SovAI—the UK government’s AI venture capital fund—and Twin Path Ventures, among other investors. The founders declined to disclose the precise figure or valuation.
If things pan out as Potential Sciences hopes, it could pave the way for the accelerated development of new treatments for all sorts of diseases. By reducing the cost of experimentation, Helal says, the company’s approach could also make it economical for pharmaceutical companies to pursue drugs for rare conditions that have previously gone untreated.
“We want to make it possible to have more bespoke treatments for diseases—this idea that medicines can be one-off molecular combinations that are tailored to your unique human biology,” he says.
The question is whether Potential Sciences will be able to predict how well drug candidates will bind to disease-related proteins as accurately as it hopes, which would require a marked leap forward.
“I’m sure it will be an improvement,” says Peter Wolynes, a professor of chemistry at Rice University. But currently, “the engineering is at the level of the Romans, not of the Renaissance, in terms of how protein engineering is done,” he says.
Industry luminaries like Demis Hassabis, who won the Nobel Prize for Chemistry for his work at Google DeepMind, have long said that advances in AI will eventually lead to momentous scientific breakthroughs, in the same way the technology has recently carved up mathematics. The hope among startups like Potential Sciences is that drug discovery will be one of the first scientific frontiers to be transformed by the technology.
