Potential Sciences dùng mô phỏng vật lý để huấn luyện AI tìm thuốc mới

Tóm tắt nhanh

• Potential Sciences muốn bỏ qua phần lớn thử nghiệm trong phòng lab bằng cách mô phỏng tương tác giữa nguyên tử, phân tử nhỏ, amino acid và protein để tạo dữ liệu hóa học quy mô lớn cho AI.
• Startup này đặt mục tiêu huấn luyện các mô hình dự đoán có thể tìm ra thuốc nhắm trúng đích cho từng bệnh, đồng thời giúp các hợp chất thất bại nhanh hơn trước khi vào thử nghiệm lâm sàng.
• Potential Sciences ra mắt ngày 5/11 và cho biết đã gọi được seed funding ở mức hàng chục triệu USD từ SovAI, quỹ đầu tư mạo hiểm AI của chính phủ Anh, và Twin Path Ventures cùng các nhà đầu tư khác.
• Những người sáng lập không công bố con số gọi vốn cụ thể hay định giá của công ty.
• Hatem Helal, founder kiêm CEO, nói cách tiếp cận này có thể giảm chi phí thử nghiệm và khiến việc phát triển thuốc cho các bệnh hiếm trở nên khả thi hơn về mặt kinh tế.
• Helal cũng cho rằng công ty có thể mở đường cho các liệu pháp “bespoke”, tức thuốc được thiết kế như những tổ hợp phân tử riêng cho sinh học của từng người.
• Hiện nhiều phòng nghiên cứu AI trong mảng drug discovery vẫn dựa chủ yếu vào Protein Data Bank, một cơ sở dữ liệu công khai về cấu trúc nguyên tử 3D được mở rộng qua nhiều thập kỷ.
• Theo Helal, dữ liệu đó vẫn quá nhỏ để huấn luyện các mô hình đủ tiên tiến nhằm tăng tốc đáng tin cậy việc tìm kiếm ứng viên thuốc, trong bối cảnh không gian phân tử có khoảng 10^60 cách sắp xếp khác nhau.
• Các nhà khoa học được WIRED dẫn lời cho rằng nếu tính toán chính xác được tương tác giữa mọi phân tử trong tế bào, cách tiếp cận này có thể làm thay đổi hoàn toàn drug development, dù hiện nay khả năng dự đoán vẫn còn là câu hỏi lớn.

Tóm tắt tự động bằng AI từ bài gốc, có thể có sai sót. Hãy kiểm chứng ở bài gốc.