Miközben az olyan nyelvi modellek, mint a ChatGPT és a Gemini bevezették a mesterséges intelligencia (MI) új korszakát a Szilícium-völgyben, a világ legerősebb technológiai vállalatai elindultak a gyógyszerkutatás és a digitális biológia (digital biology) felé vezető úton.
Az Nvidia vezérigazgatója, Jensen Huang a januári San Franciscó-i JPMorgan Healthcare konferencián, az év legnagyobb egészségügyi technológiai eseményén, megszemlélte a közönséget, majd kijelentette, hogy számára szokatlan terepre tévedt.
„Ti nem a szokásos közönségem vagytok”, mondta az egészségügyi és biológia technológusoknak tartott előadásában, a Recursionnel folytatott kerekasztal beszélgetésen. Utóbbi az a gyógyszerkutató cég, melybe az Nvidia tavaly 50 millió dollárt (17 milliárd forintot) fektetett.
A következő csodálatos forradalom
Huang újra és újra úgy említette a digitális biológiát mint a technológia „következő csodálatos forradalmát”. Miközben a mesterséges intelligencia fellendülése végigsöpört a Szilícium-völgyön, amivel az Nvidia évi több mint 60 milliárd dolláros (21 595 milliárd forintos) üzletet épített ki, és tavaly nyáron azon kevés vállalatok egyike lett, amelyek piaci kapitalizációja dollármilliárdos nagyságrendűvé duzzadt. Az egészségügyben és a biotechnológiában ugyanakkor Huang több lehetőséget lát a növekedés elősegítésére. „Kijelentették, hogy mi leszünk az Nvidia következő sok milliárd dolláros digitális üzlete”, mondta Kimberly Powell, az Nvidia az egészségügyi területért felelős alelnöke a Forbes-nak.
Az alelnököt is elmondta, hogy a vállalat célja az, hogy chipeket, felhő-infrastruktúrát és egyéb eszközöket biztosítson több biotechnológiai cégnek.
Most, hogy a nagy nyelvi modellek, mint például az OpenAI ChatGPT-je és a Google DeepMind Geminije a mainstreambe emelte a generatív mesterséges intelligenciát, a világ legerősebb technológiai vállalatai közül több is úgy tekint a digitális biotechnológiára, mint a mesterséges intelligencia következő határterületére. Olyan terület lehet ez, ahol az MI nem vicces verseket generál a promptokból, hanem létrehozza a következő életmentő gyógyszert.
Az Nvidia erős GPU-chipjei vitathatatlanul a mesterséges intelligencia forradalmának gerincét képezik, ugyanakkor a vállalat kockázatitőke-ágazatában az elmúlt két évben a befektetések nagy része mégis a gyógyszerkutatásra irányult. Akadémiai kutatók a Google DeepMind mesterséges intelligencia laborjának AlphaFold modelljét – a fehérjeszerkezetek előrejelzésének úttörő digitális eszközét – az elmúlt évben olyan „molekuláris” fecskendő kifejlesztésére használták, amellyel közvetlenül a sejtekbe lehet gyógyszert fecskendezni. Olyan növények kutatására is alkalmasnak bizonyult, amelyek kevésbé függenek a növényvédő szerektől.
A biotechnológia iránti érdeklődés az egész iparágra kiterjed: a Microsoft, az Amazon és még a Salesforce is rendelkezik fehérjetervezési projektekkel.
Régi trend – új digitális megoldások
Bár a mesterséges intelligencia alkalmazása a gyógyszerkutatásban nem éppen új trend – a DeepMind először 2018-ban mutatta be az AlphaFoldot – a DeepMind és az Nvidia vezetői azt mondták a Forbes-nak, hogy a mostani, áttörést jelentő pillanat három dolog összhatásának köszönhetően, ezek pedig:
- a már elérhető képzési adatok tömege,
- a számítási erőforrások robbanásszerű növekedése,
- és az MI-algoritmusok fejlődése.
„A három összetevő most áll rendelkezésre először – egyszerre. Öt évvel ezelőtt ez még nem volt lehetséges”, mondta Powell. A mesterséges intelligencia óriási lehetőségeket rejt magában a biotechnológiai térben puszta összetettsége miatt, nézzük csak az AlphaFold által megcélzott problémát.
A fehérjék a szervezet alapvető gépezetei, és sokféle funkciót irányítanak. Mindezek a funkciók a fehérje háromdimenziós alakjától függenek. Minden fehérje aminosav-szekvenciákból áll, és ezen aminosavak és a külső környezet közötti kölcsönhatások határozzák meg a fehérje működésének módját – ez határozza meg végső formáját is. Az aminosav-szekvenciák alapján a fehérje alakjának megjósolása rendkívül érdekli a biotechnológiai vállalatokat, mert felhasználhatják ezeket a felismeréseket az új gyógyszerektől kezdve a már feljavított növényeken át a biológiailag lebomló műanyagokig sok mindenre.
„Ez mindig is őrült, szélsőséges dolognak számított. Nagyon erősen kilóg a mainstreamből”, mondta David Baker, a Washingtoni Egyetem Protein Design Intézetének igazgatója.
A mélytanulás (deep learning) a mesterséges intelligencia modellek több száz millió különböző fehérjeszekvencián és az ezek mögött meghúzódó struktúrákon való betanítása segít ezen modellek biológiai mintáinak digitális feltárásában anélkül, hogy a valódi molekuladinamikai szimulációhoz szükséges költséges számításokat el kellene végezni. A fehérjék teljes szimulációja olyan intenzív számítási erőforrásokat igényel, hogy az intézmények kifejezetten az ilyen típusú problémák kezelésére terveztek és építettek szuperszámítógépeket, mint például az Anton 2-t, a pittsburghi szuperszámítógépes központban.
Piaci adatok
A digitális gyógyszerkutatási technológia fellendülése nemcsak az MI-techóriásoktól ered. A Pitchbook szerint 2021 óta világszerte 281 kockázatitőke-ügylet köttetett mesterségesintelligencia-gyógyszerkutató startupokkal, ami 7,7 milliárd dollár befektetést jelent. A legnagyobb kiugrás 2021-ben, a pandémia alatt következett be, mikor 105 ügyletet kötöttek az előző évi 65-höz képest, majd ez 2023-ban 67 ügyletre csökkent. A március elején közzétett jelentésében az elemzőcég megjegyezte, hogy még mindig erős a lelkesedés az MI-t a gyógyszerkutatásba és -fejlesztésbe integráló korai fázisú cégek iránt. A generatív mesterséges intelligencia térnyerése szintén megnövekedett érdeklődést váltott ki — mondta David Baker.
Az Institute of Protein Design 2012-es alapítása óta több mint 20 startup került ki a programból, közülük tíz, például az Archon Biosciences, a regeneratív gyógyászat és a rákgyógyítás területein fejleszt nanoanyagokat, de említhetjük a Lila-t is, ami a fibrotikus betegségek kezelésére koncentrál.
A DeepMindnál a kutatók a Covid-19 világjárvány kitörésekor értették meg igazán kutatásaik tétjét. Majdnem 5 évig dolgoztak az AlphaFold fejlesztésén, és amikor a modellt áttanították a második generációra, az egész világ visszavonult a menedékébe egy rejtélyes vírus miatt. Ez valóban megmutatta a probléma fontosságát — érzékeltette Pushmeet Kohli, a DeepMind tudományos alelnöke a Forbes-nak.
A DeepMind átképzésének eredménye az AlphaFold 2, egy úttörő digitális modell, amely olyan pontosan tudta előre jelezni a fehérjeszerkezeteket, hogy „a CASP, a fehérje ‘hajtogatással’ foglalkozó, világméretű kutatási verseny szervezői emailt küldtek a DeepMindnak, hogy megkérdezzék, csalt-e a cég valamilyen módon”, emlékezett vissza Kohli nevetve.
Az erőfeszítés annyira ígéretes volt, hogy a társalapító Demis Hassabis külön céget alapított az Alphabetnél az AlphaFold 2021-es áttörései alapján. Az Isomorphic Labs néven induló startup a gyógyszerkutatásra összpontosít, és maga Hassabis vezeti. Idén az Isomorphic Labs a Lilly- vel és a Novartisszal közösen közel 3 milliárd dollár értékben szerződött együttműködésre, ha az összes mérföldkő teljesül – és ebben nincsenek benne a potenciális gyógyszereladásokból származó jövedelmező jogdíjak.
(forrás, kép: DALL-E 3 – Justin Viktor)
