Seguindo os avanços feitos pela IA na descoberta de medicamentos, pode-se dizer que existe um enorme potencial inexplorado. Os nanocorpos terapêuticos, em particular, tiveram sucesso limitado, pois requerem conhecimento interdisciplinar complexo. A pandemia de COVID-19 exigiu o desenvolvimento de nanocorpos terapêuticos que demonstrem afinidade de ligação e estabilidade do SARS-CoV-2 no curto prazo. No entanto, desenvolver e testar um novo medicamento exige muitos recursos e consome muito tempo. Pesquisadores do Departamento de Ciência da Computação e Ciência de Dados Biomédicos da Universidade de Stanford e do Chan Zuckerberg Biohub, de São Francisco, usaram uma estrutura notável, o Laboratório Virtual, que ajudou a reverter o processo de desenvolvimento de medicamentos desde a concepção até os testes.
Os métodos convencionais envolvem a triagem de grandes bibliotecas de populações selecionadas contra um antígeno alvo para identificar os ligantes mais relevantes. No entanto, requer tempo, recursos e trabalho significativos. Métodos computacionais também foram desenvolvidos para identificar candidatos a nanocorpos, mas descobriu-se que falta precisão, o que pode ser perigoso quando usado como abordagem terapêutica. Dadas as rápidas taxas de mutação do vírus SARS-CoV-2, é importante que muitas vidas sejam perdidas enquanto os medicamentos ainda estão a ser desenvolvidos. Essas restrições colocaram pressão sobre o sistema de saúde.
O método proposto utiliza um ambiente de laboratório virtual onde agentes de IA com diferentes áreas de atuação interagem e resolvem um problema, simulando interações científicas do mundo real. O pipeline de computação é desenvolvido após a realização de reuniões entre agentes de IA. Os principais componentes deste pipeline incluem:
- ESM (Modelagem em Escala Evolutiva): Analisa sequências de proteínas e caracteriza os efeitos de várias alterações na função e estabilidade das proteínas. Esta ferramenta é importante para encontrar mutações potenciais que melhorem a ligação do nanocorpo às proteínas spike do vírus.
- AlphaFold-Multimer: Para prever as interações proteína-proteína entre um vírus e um nanocorpo, o AplhaFold-Multimer usa aprendizado profundo e gera previsões de estrutura com alta confiança.
- Rosetta: Usa um processo de refinamento iterativo para desenvolver estruturas tridimensionais para nanocorpos projetados.
A validação experimental mostrou que mais de 90% dos nanocorpos projetados foram expressos e solúveis, e dois candidatos mostraram propriedades de ligação particularmente altas com as novas variantes JN.1 e KP.3 do SARS-CoV-2, mantendo ao mesmo tempo uma forte interação com os genes -ancestrais. espinho. proteínas. Este é um resultado importante para demonstrar a eficácia da estrutura de computação do Laboratório Virtual na geração rápida de candidatos terapêuticos eficazes.
Em conclusão, este artigo descreve nanocorpos baseados em IA produzidos pela incorporação de métodos experimentais existentes. Essa estrutura sinérgica de vários agentes sintéticos eleva enormemente as fases de projeto e validação dos muitos métodos estabelecidos, que muitas vezes consomem tempo e recursos. A identificação completa de nanocorpos direcionados contra variantes do SARS-CoV-2 fornece evidências importantes de que a IA pode ser crítica para acelerar a descoberta de tratamentos. Esta nova abordagem melhora a eficiência no design de nanocorpos e facilita a resposta rápida a ameaças virais. Isto fornece uma visão geral do principal impacto da inteligência artificial na pesquisa biomédica e seu uso no desenvolvimento de terapias.
Confira Papel. Todo o crédito deste estudo vai para os pesquisadores deste projeto. Além disso, não se esqueça de nos seguir Twitter e junte-se ao nosso Estação telefônica de novo LinkedIn Gracima. Se você gosta do nosso trabalho, você vai gostar do nosso jornal.. Não se esqueça de participar do nosso SubReddit de 59k + ML.
🎙️ 🚨 'Avaliação de vulnerabilidade de um grande modelo de linguagem: uma análise comparativa dos métodos da Cruz Vermelha' Leia o relatório completo (Promovido)
Afeerah Naseem é estagiária de consultoria na Marktechpost. Ele está cursando bacharelado em tecnologia no Instituto Indiano de Tecnologia (IIT), Kharagpur. Ele é apaixonado por Ciência de Dados e fascinado pelo papel da inteligência artificial na resolução de problemas do mundo real. Ele adora descobrir novas tecnologias e explorar como elas podem tornar as tarefas diárias mais fáceis e eficientes.
🧵🧵 [Download] Avaliação do relatório de trauma do modelo de linguagem principal (estendido)
