Рецепты из нейросети: как стартап выпускника МГУ на $56 млн создает новые лекарства за три недели
Второго сентября в научном журнале Nature Biotechnology ученые из Insilico Medicine опубликовали исследование, из которого следует, что нейросети, которую разработала компания, удалось открыть несколько возможных способов лечения фиброза (заболевание, при котором на органах в результате воспаления разрастаются соединительные ткани, что мешает их нормальной работе).
Всего за 21 день нейронная сеть под названием GENTRL (с англ. — generative tensorial reinforcement learning) нашла шесть перспективных способов лечения болезни, один из которых показал многообещающие результаты в ходе испытаний на мышах.
«У нашего искусственного интеллекта есть воображение», — говорит гендиректор Insilico Medicine Александр Жаворонков. Ученый сравнил нейросеть GENTRL с самообучаемым алгоритмом AlphaGo от Google DeepMind, который не раз бросал вызов чемпионам по восточной логической игре го.
Жаворонков основал Insilico Medicine в 2014 году. В начале своей карьеры он занимался информационными технологиями и несколько лет работал в IT-компании ATI Technologies (вплоть до ее поглощения производителем процессоров AMD в 2006 году). Затем он решил погрузиться в новую область знаний и заняться исследованиями в сфере биотехнологий. Его главным интересом стало изучение возможностей замедления процесса старения человека. Он получил степень магистра биотехнологии в Университете Джонcа Хопкинса в США, а затем стал кандидатом физико-математических наук в Московском государственном университете.
После защиты кандидатской диссертации Жаворонков работал в нескольких компаниях, однако затем решил вернуться в США. В Балтиморе он основал компанию Insilico Medicine.
Сначала ученый планировал использовать методы глубокого обучения, чтобы тренировать нейросети и обеспечивать высокоточную доставку лекарственных препаратов. Однако вскоре после основания компании Жаворонков увлекся работами Яна Гудфеллоу в области машинного обучения и решил изменить метод работы Insilico Medicine.
«Можем ли мы сделать так, чтобы машина как бы «воображала» новые молекулы с определенными свойствами, а не занималась скринингом больших библиотек молекулярных соединений?» — задался вопросом ученый.
Он отмечает, что обычно ученые, которые разрабатывают новые лекарства, занимаются именно скринингом молекул. А Жаворонков хотел проверить, можно ли будет ускорить процесс создания лекарств с помощью машинного обучения.
Первое подобное исследование, которое ученые компании опубликовали в 2016 году, помогло Insilico Medicine привлечь инвестиции даже в условиях высокой конкуренции в области биотехнологий и искусственного интеллекта. По данным Pitchbook, на данный момент компания привлекла $24,3 млн от нескольких венчурных инвесторов, в том числе от A-Level Capital и Juvenescence. Стоимость Insilico Medicine оценивается в $56 млн. У компании также есть несколько партнеров в области биотехнологий, в частности A2A Pharmaceuticals и TARA Biosystems.
Ученые из Insilico Medicine провели новое исследование по запросу своих коллег-химиков, которые поставили перед ними следующую задачу: использовать нейросеть GENTRL для разработки лекарственных препаратов, которые могли бы воспрепятствовать активности белка DDR1. DDR1 — это фермент, который, возможно, связан с таким заболеванием, как фиброз. Замедление активности DDR1 рассматривается как возможный метод лечения фиброза. На моделирование ингибиторов у нейросети GENTRL ушел 21 день. Общее время работы по моделированию, синтезу и валидации молекул составило 46 дней. Затраты на создание молекул составили около $150 000. Для сравнения, традиционный метод разработки аналогичных лекарственных препаратов обошелся биотехнологической компании Genentech в миллионы долларов, притом что работа заняла 8 лет.
«Их [Genentech] молекулы просто невероятны. Они немного лучше, чем ингибиторы, созданные с помощью нашего искусственного интеллекта. Но опять же: на это исследование у них ушли годы», — считает Жаворонков. По его словам, команда Insilico Medicine не так хорошо разбирается в химии, но ей все же удалось относительно быстро создать что-то подобное с помощью искусственного интеллекта.
Хотя ученый и предупреждает, что у Insilico Medicine впереди еще много работы, это исследование — важный прорыв. Оно показывает, насколько перспективно создание лекарственных препаратов с помощью технологий искусственного интеллекта.
«Я считаю, что благодаря нашему исследованию число скептиков среди представителей фармацевтической индустрии значительно поубавится», — оптимистичен Жаворонков.
Перевод Полины Шеноевой
Будущие «единороги»: 25 самых перспективных стартапов по версии Forbes
Будущие «единороги»: 25 самых перспективных стартапов по версии Forbes
