Группа исследователей из Китая опубликовала в журнале Engineering статью The Future of AI-Driven RNA Drug Development, в которой описала, как искусственный интеллект изменит разработку РНК-лекарств. Авторы — Илинь Янь, Тяньюй У, Хунлинь Ли, Ян Тан и Фэн Цянь — утверждают, что ИИ способен решить главную проблему отрасли: существующие методы вроде CRISPR и секвенирования РНК не справляются с требованиями к скорости и разнообразию разработки.
РНК-препараты уже сейчас превосходят традиционные лекарства по ключевым показателям. По данным Alnylam Pharmaceuticals, которые приводят авторы, успешность перехода RNAi-препаратов с первой до третьей фазы клинических испытаний составляет 64,4% — против 5–7% у традиционных лекарств. Сроки разработки измеряются месяцами, а не годами, при меньших затратах. Однако экспериментальные и вычислительные методы пока не позволяют масштабировать эти преимущества.
Авторы выделяют три стратегии применения ИИ. Первая — анализ больших массивов данных для выявления закономерностей между структурой РНК и ее функцией. Вторая — использование причинно-следственного вывода и обучения с подкреплением для оптимизации решений на каждом этапе. Третья — применение больших языковых моделей для анализа длинных последовательностей и проектирования новых функциональных РНК с нуля.
Статья описывает будущий рабочий процесс как интерактивную систему с двумя контурами обратной связи. Внутренний контур дообучает ИИ-модели на основе результатов экспериментов, внешний — интегрирует реальные клинические данные. Сам процесс включает семь этапов: оцифровка данных о РНК, персонализированный дизайн кандидатов, оценка препаратов, автоматический синтез, биологические эксперименты, подбор системы доставки и онлайн-симуляция поведения препарата в организме.
По мнению авторов, интеграция ИИ снизит трудозатраты, ускорит идентификацию мишеней и сократит расходы на разработку. Ближайшие исследовательские задачи — создание высокоточной визуализации структур РНК, разработка персонализированных препаратов под генетический профиль пациента и построение редактируемых платформ для генерации РНК. Если эти задачи будут решены, фармацевтика получит инструмент для массового производства лекарств, адаптированных под конкретного человека.
P.S. Поддержать меня можно подпиской на канал "сбежавшая нейросеть", где я рассказываю про ИИ с творческой стороны.
