생성 AI는 약가를 낮출 수 있다. 방법은 다음과 같습니다

OpenAI의 경우 GPT-3 자연어 처리 소프트웨어가 2020년에 폭발적으로 등장했는데, 가장 주목할만한 점 중 하나는 "제로 샷" 방식으로 다양한 작업을 수행할 수 있는 능력이었습니다. 제로샷 패션은 프랑스어 단어 인쇄와 같은 작업에 대한 명시적인 예가 제공되지 않는 것을 의미합니다. 사람이 명시적으로 훈련받은 적이 없음에도 불구하고 "비장이라는 단어를 프랑스어로 번역하세요"라는 문구를 입력하면 "평가"됩니다. 번역하다.

또한:New York Times와 다른 사람들이 ChatGPT에 대해 심각하게 오해하고 있는 것

가까운 미래에 AI 프로그램은 제로샷 방식으로 새로운 항암제를 개발할 수 있을 것입니다. 암세포에 결합하여 이를 중화시키는 아미노산의 조합은 이전에 효과적인 예가 없었습니다. 단백질.

지난 달 약물 개발 회사인 Absci는 소위 말하는 항체에 대한 새로운 항체가 포함된 논문을 공개했습니다. "인간 표피 성장 인자 수용체 2" 또는 HER2는 일부 형태의 유방과 연관되어 있는 인간 종양유전자입니다. 암.

AI 모델에는 HER2에 대한 기존의 성공적인 항체에 대한 데이터가 제공되지 않았으며 HER2에 성공적으로 부착하거나 "결합"하는 방법에 대한 명시적인 정보도 제공되지 않았습니다.

또한:이 생성 AI는 얼마나 큽니까? 인터넷 수준의 혼란을 생각해 보세요

"우리는 항체의 CDR 영역(항원의 에피토프에 실제로 결합하는 데 관여하는 영역)을 설계할 수 있었고 다음을 만들 수 있었습니다. Absci의 최고 AI 책임자인 Joshua Meier는 다음과의 인터뷰에서 말했습니다. ZDNET.

더욱이 항체는 새롭게 설계되었습니다. 즉, AI 프로그램이 성공적인 항체 설계의 예를 전혀 제시하지 않고 첫 번째 원칙에 따라 항체를 구축했음을 의미합니다.

Meier는 "요점은 이것이 새로운 것입니다."라고 말했습니다. "당신은 이전에 항체를 본 적이 없으며 처음부터 이것을 만들고 있습니다."

이 논문은 또한 AI로 만든 항체의 결합 친화력을 테스트하기 위해 습식 실험실이 사용된 최초의 사례도 제시합니다. 10년 전에 설립된 Absci는 E를 엔지니어링하는 새로운 메커니즘을 제어합니다. 맞춤형 단백질을 생산하기 위한 공장으로서의 대장균 세포. 이 능력을 통해 회사는 AI가 설계한 항체를 대량 생산하고 실험실에서 테스트할 수 있습니다.

또한:ChatGPT 사용 방법: 알아야 할 모든 것

논문에서 지적했듯이 이전 작업은 완전히 컴퓨터 작업이었습니다. "여러 그룹이 in silico 증거를 통해 유망한 생성 항체 설계 모델을 도입했지만, 그러한 방법은 실험적 검증을 통해 새로운 항체 설계를 입증하지 못했습니다."

상장기업인 Absci는 Merck를 포함한 여러 제약회사와 파트너십을 맺었습니다. 다양한 적응증에 대한 새로운 치료법 추구.

Absci 창립자이자 CEO인 Sean McClain은 Meier와의 동일한 인터뷰에서 "2024년에 이 기술을 활용하는 약품이 임상에 나올 것이기 때문에 정말 기대됩니다"라고 말했습니다. "이것은 제로 샷 생성 AI를 사용하여 최초로 새롭게 설계된 항체가 될 것이며 업계에서 엄청난 순간이 될 것이라고 생각합니다."

Meier를 교신저자로 하여 Absci의 Amir Shanehsazzadeh와 동료들이 작성한 "생성 인공 지능을 통한 새로운 항체 디자인 잠금 해제"라는 논문은 다음과 같습니다. 1월 게시됨 bioRxiv 사전 인쇄 서버의 9개. 이 논문은 동료 심사를 거치지 않았으므로 그 결과를 어느 정도 주의해서 받아들여야 합니다.

항체는 항원으로 알려진 침입 병원체를 방해하고 이상적으로는 중화시키는 단백질입니다. 단백질 형태의 측면이 항원의 형태 측면과 일치하므로 검색이 가능합니다. 질병을 치료하는 항체의 경우 자물쇠와 열쇠에 비유되는 것을 찾는 것이 포함됩니다. 콤비네이션.

또한:인공지능을 만드는 사람들이 AI를 가장 필요로 하는 사람들이다

상보성 결정 영역인 CDR은 핵심 역할을 하는 항체의 일부입니다. 자물쇠와 같은 에피토프는 항체가 결합하는 표적인 항원의 위치입니다.

마이어는 이번 연구의 놀라운 특성은 AI 프로그램이 HER2에 대한 일반적인 항체와는 다른 새로운 아미노산 사슬에 도달했다는 것이라고 말했습니다.

Meier는 "이 모델은 우리가 자연에서 보는 것과 완전히 다른 시퀀스를 제시합니다."라고 말했습니다.

예를 들어, 대부분의 결합을 수행하는 면역 체계의 T 세포 부분인 CDR3 영역에는 13개의 아미노산이 포함되어 있습니다. Meier는 “이 모델은 13개 아미노산 중 12개를 변경할 수 있었고 여전히 표적에 결합했습니다.”라고 설명했습니다. "그런 해결책이 많이 나왔습니다."

발견은 다음과 유사합니다. 구글의 딥마인드 유닛의 알파고는 인간 그랜드마스터가 게임을 추구하는 방식과 다른 체스와 바둑의 승리 전략에 도달할 수 있었습니다.

Meier가 설명했듯이 "모델은 동일한 에피토프에 결합하는 데 중요한 특정 상호 작용이 있다는 것을 알아냈습니다. 모델은 아미노산이 신체의 다른 위치에 있을 수 있음에도 불구하고 이러한 아미노산을 동일한 위치에 배치하도록 공간적으로 학습했습니다. 순서.

"[모델]은 아미노산의 종류를 변경했을 뿐만 아니라 여전히 동일한 상호 작용을 하는 방식으로 이를 지적했습니다"라고 Meier는 말했습니다. "모델이 이전에 해당 대상과 상호 작용하는 어떤 것도 훈련 데이터에서 본 적이 없음에도 불구하고 모델이 이를 알아낼 수 있다는 것은 정말 흥미로웠습니다."

McClain은 이 프로그램의 참신함은 "더욱 더 넓은 검색 공간을 탐색할 수 있다는 점을 의미하며 이는 정말 흥미롭습니다"라고 말했습니다.

지난 가을 논문에서 Absci의 AI 과학자들은 생성된 항체에 대해 "자연성"이라는 새로운 측정 기준을 제시했습니다. 자연스러움 합성된 항체가 신체의 자연 발생 항체(또는 면역글로불린). 이러한 자연성은 실제로 신체에서 기능하는 항체의 능력에 긍정적인 영향을 미칠 것입니다.

Meier는 새로운 연구에서 높은 자연성 점수를 보여줄 뿐만 아니라 다음과 같은 항체를 고안했다고 말했습니다. 또한 어떤 경우에는 임상적으로 승인된 유방 치료제인 Trastuzumab의 점수보다 더 자연스럽습니다. 암.

AI 논문으로서 텍스트에는 항체를 설계하는 데 사용된 AI 모델이 무엇인지 공개하지 않기 때문에 눈살을 찌푸릴 수도 있습니다. 이 논문에서는 생성된 항체와 결합 친화도에 대해 실험실에서 테스트한 습식 실험실 절차만 설명합니다.

또한:Meta의 작은 LLaMA 모델은 AI 연구자들에게 큰 이점을 제공합니다

McClain과 Meier는 ZDNET에 이러한 누락이 의도적이라고 말했습니다.

AI 모델에 대해 마이어는 "이것이 바로 비결이다"라고 말했는데 이는 앱시(Absci)의 지적재산권이 보호된다는 뜻이다.

이는 추측을 불러일으켰다고 Meier와 McClain은 지적했습니다. 그는 GPT-3와 같은 대규모 언어 모델 AI 프로그램을 언급하며 "우리 작업에 대해 트윗하는 사람들이 '아, 이건 언어 모델 같다'고 말하는 사람들을 봅니다."라고 말했습니다. "그러나 우리는 여기에 언어 모델이 있다는 내용을 논문 어디에도 쓰지 않았습니다"라고 그는 말했습니다.

"나는 아무 말도 하지 않을 것입니다." 마이어가 계속 말했습니다. "어쩌면 언어 모델과 같은 부분이 있을 수도 있지만 확실히 단순한 언어 모델은 아닙니다. 훈련만 하면 기성품이 아닙니다."

Meier와 McClain은 AI 프로그램이 GPT-3 및 OpenAI의 후속 ChatGPT 프로그램과 동일한 그룹에 속하는 생성적 AI 프로그램임을 나타냈습니다. 그러나 이는 또한 다양한 종류의 프로그램을 위한 넓은 여지를 남겨둡니다.

Meier는 "여기에는 많은 일이 일어나고 있는데 그 중 일부는 밖에 있지만 새로운 방식으로 합성된 것입니다."라고 덧붙였습니다.

McClain은 다양한 외부인들이 AI 모델에 대해 어떻게 결론을 내렸는지 보는 것이 "좀 웃기다"고 말했습니다. "그들은 '그래, 이건 언어 모델이야'라고 매우 확실하게 말하는데, 실제로 꽤 참신한 돌파구이기 때문에 정말 재미있습니다."라고 그는 말했습니다.

Meier는 프로그램의 성격에 대해 "몇 가지 힌트를 제공"하겠다고 제안했습니다. 그는 확실히 "생성" AI라고 말했습니다. 항원을 받아들이고 출력으로 서열을 생성하려면 "뭔가 생성적인 것을 만들어야 한다는 것이 분명해야 합니다".

또한 Meier는 "아마도 이러한 엔드투엔드 유형의 시스템 중 하나가 필요할 것입니다."라고 말했습니다. 최종 출력 목표는 AI 모델에 결합되어 문제를 해결하는 다양한 기능의 모든 측면을 형성합니다. 문제.

Meier의 결론은 GPT-3 또는 다른 기존 언어 모델을 사용하여 적용하는 것만 큼 쉽다는 것입니다. "다른 사람들이 이미 여기에 데이터를 제공하는 것을 보았을 수도 있지만 실제로 이 문제에 대한 데이터를 제공한 사람은 아무도 없습니다."

또한:생성 AI란 무엇이며 왜 그렇게 인기가 있나요?

McClain의 결론은 "제약회사는 결과가 어떻게 나오든 상관하지 않는다"는 것입니다.

"그들이 관심을 갖는 것은 출력이고 출력은 시퀀스, 얻을 수 있는 다양성, 그리고 궁극적으로 약물이 작동하는지, 작동하지 않는지입니다."

기계 학습 접근 방식은 공개되지 않았지만 McClain은 이 연구가 재현성을 위해 모든 항체에 대한 서열 데이터를 제공한다고 강조합니다.

"우리는 실제로 HER2에 대해 설계된 400개 이상의 항체를 모두 출시했으며, 우리가 얻은 다양성을 실제로 보여주기 위해 서열과 결합 친화도를 공개했습니다. 생물학에는 재현성 위기가 있습니다."라고 Meier는 말합니다. "이렇게 큰 주장을 하면 사람들이 회의적일 수도 있습니다."

"우리를 믿을 수 없다면 직접 실험실로 가서 테스트해 보세요!" 맥클레인이 덧붙였다. 시퀀스 데이터가 게시됩니다. 기사와 함께 제공되는 GitHub 사이트.

Absci는 Merck와 같은 파트너와 함께 일부 치료법을 개발하는 이중 비즈니스 트랙을 추구하고 있지만 또한 자체적으로 치료법을 식별한 다음 개발을 선택하는 두 번째 트랙도 있습니다. 파트너.

Absci의 최고 혁신 책임자인 Andreas Busch에 따르면 후자의 경우 회사는 새로운 접근 방식을 사용하여 자체 치료법을 임상 시험에 적용할 수 있는 매우 좋은 기회를 갖고 있다고 합니다.

또한:AI의 진정한 목표는 더 이상 지능이 아닐 수도 있다

"우리가 아는 모든 것을 바탕으로 우리는 표적과 일치하는 항체를 찾으면 우리가 얻을 수 있는 매우 높은 확신을 갖고 있습니다. 부시는 별도의 인터뷰에서 "질병에 높은 효능을 갖고 부작용이 전혀 없는 매우 드문 일"이라고 말했다. 줌을 통해. "남은 유일한 질문은 이에 대한 항체를 전달할 수 있느냐는 것입니다."

Busch는 어떤 징후나 조건을 공개하지 않고 회사가 자체적으로 조치를 취하고 있다고 말했습니다. 문제의 질병에서 작동하는 메커니즘은 새로운 상황에 잘 굴복하는 성격을 갖고 있습니다. 접근하다.

Busch는 "나의 자신감은 두 가지 측면에서 비롯됩니다. 나는 그 메커니즘을 정말로 이해하고 있으며 올바른 분자로 문제를 해결하면 효과가 있을 것이라는 데 의심의 여지가 없습니다."라고 말했습니다. "그리고 나는 우리가 올바른 분자로 그것을 찾을 것이라고 확신합니다."

"이것은 효과가 있고 부작용이 없는 극소수의 메커니즘 중 하나일 뿐입니다."

물론 단계별 임상시험에서는 여전히 많은 일이 일어날 수 있다고 Busch는 인정했습니다. 그는 접근방식에 대해 "우리는 매우 확신하지만 이를 입증하지 못했다"고 말했다.

부시의 직감은 아마도 중요할 것이다. 그는 Sanofi, Bayer, Shire 등 여러 유명 제약회사의 R&D를 주도해 왔습니다.

"당신은 나를 믿어야 합니다. 나는 10가지 화합물을 시장에 출시했습니다."는 화학에서 시작하여 FDA 승인을 진행하는 10가지 새로운 치료법을 안내한다는 의미입니다.

Busch는 회사가 임상 시험을 진행할 준비가 되면 소위 CRO의 도움을 받아 그렇게 할 것이라고 말했습니다. 인간에 대한 코호트 선택을 포함하여 관련된 절차의 모든 것을 알고 있는 임상 연구 조직 시련.

개발 단계로 이동하려면 제약회사인 Absci를 돕기 위해 전략적 파트너를 영입해야 합니다.

AI 리더인 마이어(Meier)는 단백질 합성 능력이 앞으로 수년 내에 능력과 응용 분야의 확장으로 이어질 것으로 보고 있습니다.

또한:인공지능: 모든 것을 바꿀 수 있는 5가지 혁신적인 애플리케이션

"일단 작동하는 모델이 있으면 다양한 응용 분야에 열광하기 시작할 수 있으며, 우리가 만들 수 있는 약물 종류에 대한 상상력에 열광하기 시작할 수 있습니다."라고 그는 덧붙였습니다.

그는 업계의 오랜 목표인 맞춤형 의학이 그러한 AI 실험을 통해 가속화될 수 있다고 제안했습니다.

Meier는 "당신이 특정 종류의 암에 걸렸고 모든 환자가 다른 형태의 암을 앓고 있다고 가정해 보겠습니다."라고 설명했습니다. “그 환자들 각각에게 맞는 독특한 약을 만들어 보면 어떨까요? 모든 경우에 적용되는 단일 약물 접근 방식은 결코 효과가 없기 때문에 이전에는 실제로 임상 시험을 할 수 없었던 암을 추적할 수도 있습니다."

"잠재력은 당신이 할 수 없었던 이러한 마약할 수 없는 목표를 실제로 추적하기 시작할 수 있는 능력입니다. 면역화나 파지 디스플레이 등 기존의 생물학적 발견 기술을 이용해 효과적으로 항체를 생성한다. 맥클레인이 말했다.

McClain의 설명에 따르면 신약 발견의 미래는 ChatGPT 프롬프트처럼 들립니다.

"이제 그 표적을 우리 모델에 던진 다음 생물학을 제공할 표적의 이 영역을 공격하고 싶다고 지정할 수 있으며 이제 그 표적을 약용으로 만들었습니다."

이러한 약물 검색은 빠른 코드 개발의 품질을 갖기 시작합니다. McClain은 "버튼 하나만 클릭하면 얻을 수 있습니다."라고 말했습니다. 그 결과 평균 약물 개발 파이프라인의 경우 "5년 반이 걸리던 타임라인이 18~24개월로 단축되는 것을 볼 수 있습니다"라고 말했습니다.

"그리고 이것이 근본적으로 의료나 약품 가격을 낮추는 것입니다."