TxGemma: Specjalistyczna gałąź rodziny AI Google’a
Nowe modele, znane jako TxGemma, stanowią wyspecjalizowane rozszerzenie rodziny Gemma, modeli generatywnej sztucznej inteligencji (GenAI) typu open-source firmy Google. Modele Gemma są z kolei zbudowane na fundamencie najnowocześniejszej platformy AI Gemini firmy Google, której najnowsza wersja została zaprezentowana w grudniu.
Zestaw narzędzi TxGemma ma zostać udostępniony społeczności naukowej jeszcze w tym miesiącu za pośrednictwem programu Google Health AI Developer Foundations. Inicjatywa ta ma na celu wspieranie współpracy i dalszego rozwoju, umożliwiając naukowcom ocenę i udoskonalanie modeli. Chociaż pełny zakres ich zastosowania nie jest jeszcze znany, wstępna wersja rodzi pytania o ich potencjał do komercyjnej adaptacji.
Zrozumienie języka terapeutyków
Dr Karen DeSalvo, Chief Health Officer w Google, omówiła unikalne możliwości TxGemma. Modele te potrafią rozumieć zarówno standardowy tekst, jak i skomplikowane struktury różnych jednostek terapeutycznych. Obejmuje to małe cząsteczki, chemikalia i białka, które są podstawowymi elementami składowymi w opracowywaniu leków.
To podwójne zrozumienie umożliwia naukowcom interakcję z TxGemma w bardziej intuicyjny sposób. Mogą zadawać pytania, które pomagają przewidzieć kluczowe właściwości potencjalnych nowych terapii. Na przykład naukowcy mogą używać TxGemma do uzyskiwania wglądu w profile bezpieczeństwa i skuteczności leków kandydujących, przyspieszając wstępny proces przesiewowy.
Odpowiedź na wyzwania związane z opracowywaniem leków
Dr DeSalvo podkreśliła kontekst tej innowacji, zauważając, że „Opracowywanie leków terapeutycznych od koncepcji do zatwierdzonego użycia jest długim i kosztownym procesem”. Udostępniając TxGemma szerszej społeczności badawczej, Google dąży do zbadania nowatorskich podejść w celu zwiększenia wydajności tego złożonego przedsięwzięcia.
AI: Transformująca siła w naukach przyrodniczych
Pojawienie się AI niezaprzeczalnie zrewolucjonizowało branżę nauk przyrodniczych. Jej zdolność do przetwarzania ogromnych zbiorów danych, identyfikowania ukrytych wzorców i generowania prognoz opartych na danych otworzyła bezprecedensowe możliwości. AI jest już aktywnie wykorzystywana na różnych etapach opracowywania leków, w tym:
- Identyfikacja celów leków: Wskazywanie konkretnych cząsteczek lub szlaków zaangażowanych w procesy chorobowe.
- Projektowanie nowych leków: Tworzenie nowatorskich związków o pożądanych właściwościach terapeutycznych.
- Zmiana przeznaczenia istniejących terapii: Znajdowanie nowych zastosowań dla leków już zatwierdzonych do leczenia innych schorzeń.
Krajobraz regulacyjny dostosowujący się do AI
Szybkie przyjęcie AI w opracowywaniu leków skłoniło organy regulacyjne do reakcji. Wcześniej w tym roku FDA opublikowała swoje pierwsze wytyczne dotyczące stosowania AI w zgłoszeniach regulacyjnych, zapewniając jasność co do tego, jak ta technologia powinna być włączana do zgłoszeń. Podobnie w 2024 r. EMA opublikowała dokument refleksyjny przedstawiający jej perspektywę na zastosowanie AI w całym cyklu życia produktu leczniczego. Wydarzenia te podkreślają rosnące uznanie roli AI w kształtowaniu przyszłości badań farmaceutycznych i regulacji.
Poza TxGemma: Spojrzenie na inicjatywy Google w dziedzinie zdrowia
Wydarzenie ‘The Check Up’ zaprezentowało szereg innych postępów Google związanych ze zdrowiem:
Ulepszone wyniki dotyczące zdrowia w wyszukiwarce Google
Google podkreśliło ulepszenia w zdolności swojej wyszukiwarki do dostarczania użytkownikom wiarygodnych i istotnych informacji zdrowotnych. Obejmuje to udoskonalenie algorytmów wyszukiwania w celu priorytetyzacji autorytatywnych źródeł i prezentowania informacji w jasnym i przystępnym formacie.
Funkcja dokumentacji medycznej w aplikacji Health Connect
Wprowadzono nową funkcję w aplikacji Health Connect firmy Google, umożliwiającą użytkownikom bezpieczne przechowywanie i zarządzanie dokumentacją medyczną. Ta scentralizowana platforma ma na celu zapewnienie osobom fizycznym większej kontroli nad ich danymi zdrowotnymi i ułatwienie bezproblemowego udostępniania ich świadczeniodawcom opieki zdrowotnej.
AI ‘Co-scientist’: Wirtualny partner badawczy
Opierając się na swoim ogłoszeniu z lutego, Google rozwinęło koncepcję AI ‘co-scientist’. Ten wirtualny współpracownik ma pomagać naukowcom w generowaniu nowatorskich hipotez i propozycji badawczych. Wykorzystując przetwarzanie języka naturalnego, AI co-scientist może analizować cele badawcze i proponować możliwe do przetestowania hipotezy, wraz z podsumowaniami odpowiedniej opublikowanej literatury i potencjalnymi podejściami eksperymentalnymi.
Na przykład, jeśli naukowcy chcą pogłębić swoją wiedzę na temat rozprzestrzeniania się drobnoustroju chorobotwórczego, mogą wyrazić ten cel w języku naturalnym. AI co-scientist odpowie następnie sugerowanymi hipotezami, odpowiednimi artykułami naukowymi i możliwymi projektami eksperymentalnymi.
Capricorn: AI do spersonalizowanego leczenia raka u dzieci
Wreszcie, Google zwróciło uwagę na narzędzie AI o nazwie Capricorn, które wykorzystuje modele Gemini do przyspieszenia identyfikacji spersonalizowanych metod leczenia nowotworów wieku dziecięcego. Capricorn osiąga to poprzez integrację publicznych danych medycznych z anonimowymi informacjami o pacjentach, umożliwiając lekarzom skuteczniejsze dostosowywanie strategii leczenia do indywidualnych pacjentów.
Dogłębna analiza potencjalnych zastosowań TxGemma
Podstawowa siła tkwi w zdolności modelu do wypełnienia luki między tekstem czytelnym dla człowieka a złożonym, często tajemniczym, światem struktur molekularnych.
Oto jak oczekuje się, że TxGemma będzie używana:
Identyfikacja celu:
- Badacz może wprowadzić: „Zidentyfikuj potencjalne cele białkowe do hamowania wzrostu komórek rakowych z mutacją KRAS”.
- TxGemma, korzystając z ogromnych baz danych literatury naukowej i danych molekularnych, mogłaby następnie zasugerować listę białek, o których wiadomo, że oddziałują z białkiem KRAS lub są zaangażowane w szlaki, na które wpływa KRAS. Mogłaby również uszeregować te cele na podstawie czynników takich jak „druggability” (jak prawdopodobne jest, że mała cząsteczka mogłaby skutecznie wiązać się i modulować białko).
Odkrywanie związków wiodących:
- Badacz mógłby wprowadzić: „Znajdź małe cząsteczki, które wiążą się z miejscem aktywnym kinazy białkowej AKT1 z wysokim powinowactwem”.
- TxGemma mogłaby przeszukać wirtualne biblioteki miliardów związków, przewidując ich powinowactwo wiązania do białka AKT1 na podstawie ich struktury 3D. Mogłaby również filtrować te związki na podstawie właściwości, takich jak przewidywana rozpuszczalność, przepuszczalność i potencjalna toksyczność.
Badania mechanizmu działania:
- Badacz ma obiecujący związek, ale nie jest pewien, jak dokładnie działa. Mógłby wprowadzić: „Przewiduj mechanizm działania związku XYZ, który wykazuje aktywność przeciwko chorobie Alzheimera w modelach przedklinicznych”.
- TxGemma mogłaby przeanalizować strukturę związku, porównać ją ze znanymi lekami i odnieść się do danych dotyczących zmian ekspresji genów i interakcji białko-białko, aby zasugerować potencjalne szlaki lub cele, na które związek może wpływać.
Zmiana przeznaczenia leku:
- Badacz może zapytać: „Zidentyfikuj istniejące leki, które można by wykorzystać do leczenia rzadkiej choroby genetycznej ABC”.
- TxGemma mogłaby przeanalizować genetyczne i molekularne podstawy choroby ABC, a następnie wyszukać leki, o których wiadomo, że są ukierunkowane na szlaki lub białka zaangażowane w chorobę, nawet jeśli te leki zostały pierwotnie opracowane do leczenia zupełnie innego schorzenia.
Przewidywanie toksyczności:
- Przed przeniesieniem związku do kosztownych badań klinicznych naukowcy muszą ocenić jego potencjalną toksyczność. TxGemma mogłaby zostać użyta do: „Przewiduj potencjał związku PQR do spowodowania uszkodzenia wątroby lub kardiotoksyczności”.
- Model przeanalizowałby strukturę związku i porównał ją z bazami danych znanych toksycznych związków, identyfikując potencjalne czerwone flagi.
Zaleta Open-Source: Katalizator innowacji
Udostępniając TxGemma jako model open-source, Google wspiera środowisko współpracy i przyspiesza tempo odkryć.
Potencjalny wpływ jest wzmocniony.
Naukowcy z całego świata mogą przyczynić się do rozwoju modelu, udoskonalając jego algorytmy, rozszerzając jego bazę wiedzy i dostosowując go do konkretnych potrzeb badawczych.
Przyszłość odkrywania leków
Wprowadzenie TxGemma i innych narzędzi opartych na AI stanowi znaczący krok naprzód w dążeniu do bardziej wydajnego i skutecznego opracowywania leków. Chociaż AI nie jest magicznym rozwiązaniem, ma ogromny potencjał, aby zwiększyć ludzką wiedzę, przyspieszyć harmonogramy badań i ostatecznie szybciej dostarczać pacjentom ratujące życie terapie. Ciągła ewolucja AI w naukach przyrodniczych obiecuje przyszłość, w której odkrywanie leków będzie bardziej oparte na danych, precyzyjne i ostatecznie bardziej skuteczne.