Группа ученых из Китая опубликовала в журнале Engineering работу под названием «Будущее разработки РНК-лекарств с помощью ИИ». В ней они утверждают, что искусственный интеллект способен преодолеть ключевые проблемы, с которыми сталкивается отрасль, такие как недостаточная скорость и разнообразие существующих методов, включая CRISPR и секвенирование РНК. По данным Alnylam Pharmaceuticals, успех RNAi-препаратов на этапах клинических испытаний составляет 64,4%, в то время как традиционные лекарства имеют лишь 5-7%. Исследователи выделяют три основных подхода к применению ИИ: анализ данных для выявления связей, оптимизация через причинно-следственные выводы и использование языковых моделей для проектирования новых РНК. Они предлагают создать интерактивную систему с обратной связью, которая включает семь этапов, начиная от оцифровки данных до онлайн-симуляции поведения препарата в организме. По мнению авторов, внедрение ИИ позволит сократить затраты и ускорить процесс разработки, что приведет к созданию персонализированных лекарств.
Вопрос-ответ
Какие ключевые проблемы в разработке РНК-лекарств может решить искусственный интеллект?
Согласно статье, искусственный интеллект способен помочь преодолеть такие проблемы, как недостаточная скорость и ограниченное разнообразие существующих методов разработки, включая CRISPR и секвенирование РНК.
Насколько РНК-препараты эффективнее традиционных лекарств на стадии испытаний?
По данным Alnylam Pharmaceuticals, которые приводятся в тексте, успех РНК-препаратов на этапах клинических испытаний составляет 64,4%, в то время как для традиционных лекарств этот показатель значительно ниже — всего 5-7%.
Какие конкретные методы применения ИИ предлагают ученые?
Исследователи выделяют три основных подхода: анализ данных для выявления закономерностей, оптимизация разработки через причинно-следственные выводы и использование языковых моделей для проектирования совершенно новых молекул РНК.
Каковы главные преимущества от внедрения ИИ в эту отрасль?
Авторы статьи утверждают, что внедрение ИИ позволит значительно сократить затраты и ускорить процесс разработки, что в конечном итоге приведет к созданию эффективных персонализированных лекарств.