TxGemma: ענף מיוחד ממשפחת ה-AI של גוגל
מודלים חדשים אלה, הידועים ביחד בשם TxGemma, מייצגים הרחבה מיוחדת של משפחת Gemma של גוגל, הכוללת מודלי AI (GenAI) גנרטיביים בקוד פתוח. מודלי Gemma, בתורם, בנויים על הבסיס של פלטפורמת Gemini AI המתקדמת של גוגל, שהגרסה האחרונה שלה נחשפה בדצמבר.
ערכת הכלים TxGemma מיועדת להפצה לקהילה המדעית בהמשך החודש באמצעות תוכנית Health AI Developer Foundations של גוגל. יוזמה זו נועדה לטפח שיתוף פעולה ופיתוח נוסף על ידי מתן אפשרות לחוקרים להעריך ולשפר את המודלים. בעוד שהיקף היישום המלא שלהם עדיין לא ידוע, השחרור הראשוני מעלה שאלות לגבי הפוטנציאל שלהם להתאמה מסחרית.
הבנת שפת התרפויטיקה
ד”ר קארן דה-סאלבו, סמנכ”לית הבריאות הראשית של גוגל, פירטה על היכולות הייחודיות של TxGemma. מודלים אלה מחזיקים ביכולת להבין הן טקסט סטנדרטי והן את המבנים המורכבים של גורמים טיפוליים שונים. זה כולל מולקולות קטנות, כימיקלים וחלבונים, שהם אבני בניין בסיסיות בפיתוח תרופות.
הבנה כפולה זו מאפשרת לחוקרים ליצור אינטראקציה עם TxGemma בצורה אינטואיטיבית יותר. הם יכולים לשאול שאלות המסייעות לחזות תכונות מכריעות של טיפולים חדשים פוטנציאליים. לדוגמה, חוקרים יכולים להשתמש ב-TxGemma כדי לקבל תובנות לגבי פרופילי הבטיחות והיעילות של תרופות מועמדות, ולהאיץ את תהליך הסינון הראשוני.
התמודדות עם אתגרי פיתוח התרופות
ד”ר דה-סאלבו הדגישה את ההקשר של חידוש זה, וציינה כי “פיתוח תרופות טיפוליות מהרעיון ועד לשימוש מאושר הוא תהליך ארוך ויקר.” על ידי הפיכת TxGemma לזמינה לקהילת המחקר הרחבה יותר, גוגל שואפת לחקור גישות חדשות לשיפור היעילות של משימה מורכבת זו.
AI: כוח טרנספורמטיבי במדעי החיים
הופעתה של AI חוללה מהפכה בתעשיית מדעי החיים. יכולתו לעבד מערכי נתונים עצומים, לזהות דפוסים נסתרים וליצור תחזיות מונחות נתונים פתחה הזדמנויות חסרות תקדים. AI כבר מועסק באופן פעיל בשלבים שונים של פיתוח תרופות, כולל:
- זיהוי מטרות תרופתיות: איתור מולקולות או מסלולים ספציפיים המעורבים בתהליכי מחלה.
- עיצוב תרופות חדשות: יצירת תרכובות חדשות עם תכונות טיפוליות רצויות.
- שימוש מחדש בטיפולים קיימים: מציאת שימושים חדשים לתרופות שכבר אושרו למצבים אחרים.
הנוף הרגולטורי מסתגל ל-AI
האימוץ המהיר של AI בפיתוח תרופות הניע גופים רגולטוריים להגיב. מוקדם יותר השנה, ה-FDA פרסם את ההנחיה הראשונה שלו בנושא שימוש ב-AI בהגשות רגולטוריות, תוך מתן בהירות לגבי האופן שבו יש לשלב טכנולוגיה זו בהגשות. באופן דומה, בשנת 2024, ה-EMA פרסם מסמך השתקפות המתאר את נקודת מבטו על יישום AI לאורך כל מחזור החיים של המוצר הרפואי. התפתחויות אלו מדגישות את ההכרה הגוברת בתפקידו של AI בעיצוב עתיד המחקר והרגולציה הפרמצבטיים.
מעבר ל-TxGemma: הצצה ליוזמות הבריאות של גוגל
אירוע “The Check Up” הציג מגוון התקדמות אחרות הקשורות לבריאות מבית גוגל:
תוצאות בריאות משופרות בחיפוש Google
גוגל הדגישה שיפורים ביכולת של מנוע החיפוש שלה לספק מידע בריאותי אמין ורלוונטי למשתמשים. זה כולל חידוד אלגוריתמי חיפוש כדי לתעדף מקורות סמכותיים ולהציג מידע בפורמט ברור ונגיש.
תכונת רשומות רפואיות באפליקציית Health Connect
תכונה חדשה באפליקציית Health Connect של גוגל הוצגה, המאפשרת למשתמשים לאחסן ולנהל באופן מאובטח את הרשומות הרפואיות שלהם. פלטפורמה מרכזית זו נועדה להעצים אנשים עם שליטה רבה יותר על נתוני הבריאות שלהם ולהקל על שיתוף חלק עם ספקי שירותי בריאות.
‘שותף-מדען’ AI: שותף מחקר וירטואלי
בהתבסס על ההכרזה שלה בפברואר, גוגל פירטה עוד יותר על קונספט ‘שותף-המדען’ AI שלה. משתף פעולה וירטואלי זה נועד לסייע למדענים ביצירת השערות והצעות מחקר חדשות. על ידי מינוף עיבוד שפה טבעית, שותף-המדען AI יכול לנתח מטרות מחקר ולהציע השערות הניתנות לבדיקה, יחד עם סיכומים של ספרות שפורסמה רלוונטית וגישות ניסיוניות פוטנציאליות.
לדוגמה, אם חוקרים שואפים להעמיק את הבנתם בהתפשטות של חיידק גורם מחלות, הם יכולים לבטא מטרה זו בשפה טבעית. שותף-המדען AI יגיב אז בהשערות מוצעות, מאמרי מחקר רלוונטיים ועיצובי ניסוי אפשריים.
Capricorn: AI לטיפול מותאם אישית בסרטן בילדים
לבסוף, גוגל הדגישה כלי AI בשם Capricorn, אשר רותם מודלי Gemini כדי להאיץ את הזיהוי של טיפולים מותאמים אישית לסרטן בילדים. Capricorn משיג זאת על ידי שילוב נתונים רפואיים ציבוריים עם מידע מטופל לא מזוהה, מה שמאפשר לרופאים להתאים אסטרטגיות טיפול לחולים בודדים בצורה יעילה יותר.
צלילה עמוקה ליישומים הפוטנציאליים של TxGemma
החוזק העיקרי טמון ביכולת של המודל לגשר על הפער בין טקסט קריא לאדם לבין העולם המורכב, ולעתים קרובות הסתום, של מבנים מולקולריים.
כך צפוי ש-TxGemma ישמש:
זיהוי מטרות:
- חוקר עשוי להזין: “זהה מטרות חלבון פוטנציאליות לעיכוב הצמיחה של תאי סרטן עם מוטציה ב-KRAS.”
- TxGemma, תוך הסתמכות על מאגרי מידע עצומים של ספרות מדעית ונתונים מולקולריים, יכול אז להציע רשימה של חלבונים שידועים כאינטראקציה עם חלבון KRAS או מעורבים במסלולים ש-KRAS משפיע עליהם. הוא יכול גם לדרג מטרות אלו על סמך גורמים כמו “יכולת תרופתית” (עד כמה סביר שמולקולה קטנה תוכל להיקשר ביעילות לווסת את החלבון).
גילוי תרכובות מובילות:
- חוקר יכול להזין: “מצא מולקולות קטנות הנקשרות לאתר הפעיל של החלבון קינאז AKT1 בזיקה גבוהה.”
- TxGemma יכול לנפות ספריות וירטואליות של מיליארדי תרכובות, ולחזות את זיקת הקישור שלהן לחלבון AKT1 על סמך המבנה התלת-ממדי שלהן. הוא יכול גם לסנן תרכובות אלו על סמך תכונות כמו מסיסות צפויה, חדירות ורעילות פוטנציאלית.
מחקרים על מנגנון פעולה:
- לחוקר יש תרכובת מבטיחה אך הוא לא בטוח בדיוק איך היא פועלת. הם יכולים להזין: “חזה את מנגנון הפעולה של תרכובת XYZ, המציגה פעילות נגד מחלת אלצהיימר במודלים פרה-קליניים.”
- TxGemma יכול לנתח את מבנה התרכובת, להשוות אותה לתרופות ידועות, ולהצליב אותה עם נתונים על שינויים בביטוי גנים ואינטראקציות בין חלבונים כדי להציע מסלולים או מטרות פוטנציאליים שהתרכובת עשויה להשפיע עליהם.
שימוש מחדש בתרופות:
- חוקר עשוי לשאול: “זהה תרופות קיימות שניתן להשתמש בהן מחדש לטיפול בהפרעה גנטית נדירה ABC.”
- TxGemma יכול לנתח את הבסיס הגנטי והמולקולרי של הפרעה ABC, ולאחר מכן לחפש תרופות שידועות כמכוונות למסלולים או חלבונים המעורבים במחלה, גם אם תרופות אלו פותחו במקור למצב שונה לחלוטין.
חיזוי רעילות:
- לפני העברת תרכובת לניסויים קליניים יקרים, חוקרים צריכים להעריך את הרעילות הפוטנציאלית שלה. ניתן להשתמש ב-TxGemma כדי: “לחזות את הפוטנציאל של תרכובת PQR לגרום לנזק לכבד או לרעילות לב.”
- המודל ינתח את מבנה התרכובת וישווה אותו למאגרי מידע של תרכובות רעילות ידועות, ויזהה דגלים אדומים פוטנציאליים.
יתרון הקוד הפתוח: זרז לחדשנות
על ידי שחרור TxGemma כמודל קוד פתוח, גוגל מטפחת סביבה שיתופית, ומאיצה את קצב הגילוי. ההשפעה הפוטנציאלית מוגברת.
חוקרים ברחבי העולם יכולים לתרום לפיתוח המודל, לחדד את האלגוריתמים שלו, להרחיב את בסיס הידע שלו ולהתאים אותו לצרכי מחקר ספציפיים.
עתיד גילוי התרופות
הצגת TxGemma וכלים אחרים המופעלים על ידי AI מייצגת צעד משמעותי קדימה בחיפוש אחר פיתוח תרופות יעיל ואפקטיבי יותר. בעוד ש-AI אינו תרופת פלא, הוא טומן בחובו פוטנציאל עצום להגדיל את המומחיות האנושית, להאיץ את לוחות הזמנים של המחקר, ובסופו של דבר להביא טיפולים מצילים חיים לחולים מהר יותר. האבולוציה המתמשכת של AI במדעי החיים מבטיחה עתיד שבו גילוי תרופותהוא יותר מונחה נתונים, מדויק, ובסופו של דבר, מוצלח יותר.