Kecerdasan Data Generatif

Ilmuwan mengembangkan algoritme AI untuk memburu antibodi penangkal kanker

Tanggal:

AI membantu para ilmuwan menemukan antibodi baru yang dapat memicu sistem kekebalan kita sendiri untuk menghancurkan sel kanker.

Sistem kekebalan menghasilkan antibodi, protein khusus yang dapat menyerang sel asing seperti bakteri dan virus. Beberapa dapat menyerang tumor.

Namun, menemukan antibodi yang efektif itu rumit. Peneliti merancang antibodi baru dengan memutasikan contoh yang diketahui, menumbuhkannya di sel bakteri atau ragi. Ini kemudian diuji untuk melihat seberapa baik mereka mengikat protein target dalam percobaan laboratorium. Proses ini diulang berkali-kali untuk mempersempit pencarian antibodi paling menjanjikan yang layak diproduksi.

Tahap penyaringan memakan waktu dan mahal, di situlah algoritma AI dapat membantu. Sebuah tim peneliti di University of California San Diego mengembangkan sistem baru yang mengidentifikasi antibodi yang mampu mengikat 17 kali lebih erat ke ligan kematian terprogram 1 (PD-L1), protein yang diekspresikan oleh sel kanker, daripada atezolizumab, obat antibodi yang ada. baru-baru ini disetujui oleh Food and Drug Administration AS. Para peneliti berharap untuk mengembangkan kandidat antibodi baru menjadi obat, kami diberi tahu. 

โ€œAda jutaan mutan dari antibodi tertentu dan tidak mungkin untuk menguji secara eksperimental semua ikatan mereka dengan antigen. Itulah mengapa penting untuk mengembangkan metode pembelajaran mesin untuk mempercepat proses ini,โ€ Wei Wang, penulis senior penelitian tersebut diterbitkan di Komunikasi Alam, dan profesor Kedokteran Seluler dan Molekuler di Fakultas Kedokteran UC San Diego, menjelaskan kepada Pendaftaran

Antigen dari tumor kanker mengaktifkan sistem kekebalan tubuh untuk memproduksi antibodi dan menghancurkannya. Wang dan rekan-rekannya melatih model AI pada jutaan sekuens antibodi untuk memprediksi kemampuannya mengikat protein atau antigen target. 

Saluran AI yang dihasilkan disebut "RESP" - istilah yang tidak didefinisikan oleh penulis - tetapi yang mereka sarankan adalah cara ampuh untuk menemukan antibodi yang berguna.

โ€œModel RESP kami dapat memprediksi afinitas yang mengikat dari urutan baru bahkan jika itu tidak termasuk dalam pustaka penyaringan awal. Keuntungan unik dari model RESP dibandingkan dengan model AI yang ada adalah [menghitung seberapa] percaya diri [nya] prediksi, yang dapat sangat membantu untuk memilih sejumlah kecil urutan untuk [diuji secara eksperimental], โ€tambah Wang.

Model menyaring antibodi lebih efisien daripada metode komputasi tradisional, dan para ilmuwan dapat menggunakan prediksinya untuk menemukan kandidat baru yang paling menjanjikan untuk disintesis dan diuji dalam percobaan laboratorium. AI mempercepat proses penemuan obat sehingga perusahaan dapat maju menuju uji klinis lebih cepat. 

โ€œDengan menggabungkan alat-alat AI ini, para ilmuwan mungkin dapat melakukan lebih banyak upaya penemuan antibodi mereka di komputer alih-alih di bangku, berpotensi mengarah pada proses penemuan yang lebih cepat dan tidak rawan kegagalan,โ€ Wang tersebut dalam sebuah pernyataan. โ€œAda begitu banyak aplikasi untuk pipa ini, dan temuan ini hanyalah permulaan.โ€

Tim tersebut sekarang menggunakan model RESP untuk mencari antibodi baru terhadap antigen lain, termasuk SARS-CoV-2 untuk mengatasi COVID-19. ยฎ

tempat_img

Intelijen Terbaru

tempat_img

Hubungi kami

Hai, yang di sana! Apa yang bisa saya bantu?