Разработка новых фармацевтических препаратов сопряжена с необходимостью обработки и интеграции огромных объемов разнородных данных. Эти данные поступают с различных биологических уровней, а информация, специализированные инструменты и экспертные знания зачастую фрагментированы как внутри отдельных исследовательских групп, так и между организациями. Для преодоления этих барьеров была разработана платформа Virtual Biotech – система скоординированных агентов искусственного интеллекта. Ее архитектура имитирует структуру и принципы работы научно-исследовательских подразделений в фармацевтической индустрии.
Архитектура и функционал платформы
Во главе системы стоит центральный агент, который выполняет функции, аналогичные обязанностям главного научного сотрудника. Этот агент принимает входящие запросы, делегирует задачи специализированным агентам и затем синтезирует результаты их работы. Специализированные агенты, в свою очередь, обладают доступом к различным инструментам и базам знаний, охватывающим такие области, как статистическая генетика, функциональная геномика, исследования молекулярных взаимодействий, хемоинформатика, а также данные о заболеваниях и результаты клинических испытаний. Проще говоря, каждый агент специализируется на своей области, что позволяет комплексно подходить к решению сложнейших задач.
Прикладные возможности на практике
Эффективность Virtual Biotech была продемонстрирована на трех конкретных сценариях. В первом случае система автономно проанализировала данные почти 56 тысяч клинических испытаний. Агенты систематизировали информацию, сопоставив предполагаемые терапевтические мишени с мультиомными аннотациями, включая характеристики, полученные из атласов одноклеточного секвенирования. Это исследование показало, что препараты, которые нацелены на гены, специфичные для определенных типов клеток, имеют на 40% более высокую вероятность перехода из первой в третью фазу клинических испытаний и на 48% чаще достигают стадии вывода на рынок. Что немаловажно, частота побочных эффектов при этом снижается на 32%.
Оценка терапевтических мишеней
Во втором примере Virtual Biotech провела оценку белка B7-H3 как потенциальной мишени для терапии рака легких. Интегрируя генетические данные, результаты одноклеточных и пространственных исследований, а также данные клинической геномики, платформа предложила стратегию разработки конъюгата антитело-лекарство. Помимо этого, система выявила критические пробелы в текущих знаниях и указала на возможности для дифференциации подхода, то есть на способы сделать терапию более уникальной и эффективной.
Анализ причин неудач в исследованиях
В третьем сценарии система провела анализ причин неудачи в прекращенном исследовании препарата для лечения язвенного колита, который был нацелен на белок OSMRβ. На основе полученных данных Virtual Biotech предложила стратегии отбора пациентов по биомаркерам, что позволит более точно применять терапию в будущих исследованиях. Это значит, что можно будет идентифицировать пациентов, у которых препарат с большей вероятностью будет эффективен, избегая ненужных испытаний на тех, кому он не поможет.
В совокупности эти результаты подтверждают, что Virtual Biotech способна выполнять комплексный, многомасштабный анализ, значительно ускоряя ранние этапы разработки лекарственных средств. Платформа делает процесс более прозрачным и эффективным, при этом не заменяя, а эффективно дополняя работу ученых, предоставляя им мощный инструмент для принятия более обоснованных решений.