Как QSAR-модели ускоряют разработку лекарств на несколько месяцев

От быстрого производства новых лекарств буквально зависят жизни. В этой отрасли часто применяют искусственный интеллект, который исключает человеческий фактор, может работать быстрее и качественнее людей. Рассказываем, как продукт для предсказания молекулярной активности QSAR Университета Иннополис позволяет фармацевтическим компаниям экономить время и деньги при создании препаратов.

Классическая схема разработки лекарств включает следующие этапы:

1.

Выбор биомишени для исследований.
Определение молекулы в организме, отвечающей за развитие патологии

2.

Поиск молекул-кандидатов.
Они могут взаимодействовать с этой мишенью и ликвидировать болезнь

3.

Оптимизация молекул-кандидатов.
Подбор молекулы, которая лучше всего связывается с мишенью и не вредит организму, проверка на ADMET*

4.

Проверка свойств.
Анализ действия молекул на живых организмах (в пробирке и на мышах)

ADMET* — стандарт при создании лекарств, оценка препарата по параметрам: адсорбция, распределение, метаболизм, выведение, токсичность.

5.

Исследования.
Клинические исследования, испытания на людях

С его помощью можно:

Алгоритм искусственного интеллекта QSAR применяется при поиске и оптимизации молекул-кандидатов.

в 1000 раз ускорить процесс подбора и оптимизации молекулы, которая ликвидирует болезнь

сократить будущее количество испытаний на живых организмах

получить достоверную информацию о безвредности препарата еще до проведения тестов на животных

Quantitative Structure–Activity Relationships, QSAR (модели структура-свойство, модели структура-активность) — метод вычислительного моделирования по прогнозу молекулярной активности. Это алгоритм, на базе которого построен сервис с возможностью добавления нового функционала.

Как мы работаем с заказчиками.

Заказчику достаточно предоставить сведения об интересующей его биомишени и свой датасет, если он есть. Если датасета нет, мы собираем его из открытых источников.

Если заказчик просит, дополнительно делаем проверку на патентную чистоту — доказательство, что препарат создан впервые и не имеет аналогов на территории страны.

Далее заказчик сам решает, как поступить с информацией. Крупные фармацевтические компании, как правило, сразу переходят к тестам и производству препарата по нашему «рецепту». Средние фармкомпании, которые занимаются только этапом поиска лекарств, перепродают наши наработки компаниям побольше.

После получения ТЗ от заказчика, мы проводим скрининг мишени в течение одного месяца. В результате формируем документ с информацией по активности и токсичности молекул, а также возможностях синтеза вещества.

Узнать больше о продукте и
связаться по поводу услуги скрининга биомишени

QSAR-модели в цифрах

Суть алгоритма — идентификация и подбор оптимальных веществ. Как и любой другой алгоритм ИИ, его можно адаптировать под другие задачи.

Применение QSAR в других отраслях.

Например, для защиты окружающей среды. QSAR может находить новые молекулы, которые загрязняют атмосферу и отслеживать их передвижение, чтобы экологи принимали предупреждающие меры. Может прогнозировать изменение климата на основе молекулярного состава атмосферы. В сельском хозяйстве выявлять новые сорта агрокультур, проверять их восприимчивость к разным условия выращивания.

Продукт QSAR — это наш ключик к дизайну материалов и молекул. С его помощью мы определяем свойства материалов заданной структуры и, наоборот, предсказываем структуру материалов с заданными свойствами. Такой функционал применим в любых индустриальных компаниях, где нужно создавать новые продукты.

Например, буровой раствор с более выраженными ингибирующими свойствами или антибиотик, совместимый с большим количеством лекарственных препаратов. В частности для компаний нефтегазового сектора, энергетической и автомобильной промышленности, медицинской отрасли.

Вместо длительных лабораторных испытаний достаточно сообщить нам необходимые параметры и условия работы вещества, и мы с помощью машинного обучения найдем оптимальное решение. Кроме того с минимизацией вреда для экологии, людей и животных.

Руслан Лукин

Руководитель Лаборатории развития проектов в сфере ИИ в новых материалах Университета Иннополис