Sztuczna inteligencja dokonuje kolejnego przełomu, tym razem w dziedzinie farmakologii. Program AlphaFold, opracowany przez DeepMind, zidentyfikował setki tysięcy nowych cząsteczek psychodelicznych, które mogą zrewolucjonizować leczenie depresji. To pokazuje, jak AI może przyczynić się do szybszego odkrywania potencjalnych leków.

AlphaFold zmienia zasady gry w odkrywaniu nowych leków


AlphaFold, program bazujący na sztucznej inteligencji opracowany przez firmę DeepMind, przewiduje strukturę białek z niespotykaną dotąd precyzją. To narzędzie naukowe, które już udowodniło swoją wartość w badaniach biologicznych, teraz otwiera nowe możliwości w poszukiwaniu leków. Wykorzystując ogromną bazę danych zawierającą przewidywania struktury prawie każdego znanego białka, naukowcy mogą skupić się na identyfikacji i doskonaleniu obiecujących cząsteczek psychodelicznych.

Wykorzystanie AlphaFold w przemyśle farmaceutycznym ma kluczowe znaczenie, ponieważ struktury białkowe cząsteczek związanych z chorobą są punktem wyjścia do identyfikowania nowych leków. Badania pokazały, że prognozy strukturalne dzięki AlphaFold mogą być równie przydatne, co tradycyjne doświadczenia laboratoryjne w odkrywaniu nowych możliwości terapeutycznych. Jest to zwłaszcza obiecujące w kontekście psychodelików, które stanowią nową nadzieję dla osób cierpiących na depresję i inne zaburzenia psychiczne.

Kontrowersje wokół sztucznej inteligencji w nauce

Pomimo imponujących osiągnięć AlphaFold, niektórzy naukowcy pozostają sceptyczni wobec tego narzędzia AI. Krytycy, tacy jak Brian Shoichet, chemik farmaceutyczny na Uniwersytecie Kalifornijskim w San Francisco, uważają, że przewidywania AlphaFold mogą być mniej precyzyjne niż tradycyjne metody eksperymentalne. Wątpliwości te dotyczą głównie stopnia dokładności, z jaką AI może przewidzieć interakcje między białkami a cząsteczkami leków. 

Mimo tych sceptycznych opinii, warto zauważyć, że narzędzia takie jak AlphaFold nie mają na celu zastąpienia eksperymentów laboratoryjnych, lecz raczej ich uzupełnienie. Szacuje się, że w około jednej trzeciej przypadków, wykorzystanie struktury przewidzianej przez AlphaFold może znacznie przyspieszyć rozpoczęcie projektu badawczego, skracając czas potrzebny na opracowanie nowego leku o kilka miesięcy, a nawet lat. To pokazuje, że AI ma potencjał do przekształcania procesu odkrywania leków, nawet jeśli nie zastąpi tradycyjnych metod w pełni.

DeepMind, a właściwie londyński oddział odpowiedzialny za AlphaFold, ogłosił transakcję w wysokości 82,5 mln dolarów, mającą na celu współpracę z gigantami farmaceutycznymi. Firma twierdzi, że nowa wersja AlphaFold będzie jeszcze skuteczniejsza w przewidywaniu struktur białek związanych z lekami, co jest kluczowe dla opracowywania nowych terapii.

Możliwość identyfikacji i testowania setek tysięcy nowych cząsteczek o potencjalnych właściwościach leczniczych otwiera drzwi do opracowania nowych, skuteczniejszych leków przeciwdepresyjnych. To jednocześnie podkreśla, jak wielki wpływ może mieć zastosowanie sztucznej inteligencji w nauce i medycynie, otwierając nowe horyzonty w leczeniu chorób psychicznych.

Źródło: https://exai.pl/sztuczna-inteligencja-zn...chodeliki/

Akurat programy dzialające na zasadzie sieci neuronowych lub podobnej od wielu lat sa wykorzystywane przez koncerny farmaceutyczne. 

Mimo tego że pewnie 3/4 z tych związków sie okaże nieklepiące, będzie miało zbyt duze efekty uboczne czy coś, to to wciaz duzy krok w dobrym kierunku. Trzeba w końcu powymyślać coś nowego - w nieskończoność nie możemy robić 1-podstawianych lizergamidów, bo za chwilę skończymy z dziadowstwem tak porównywalnym do LSD-25, jak 3-CEC jest porównywalne do 4-MMC.

Co ta technologia teraz potrafi to ja w szoku jestem a ciekawe co będzie za 50 lat hehe

@"Mati7" siedzę trochę w technologii, i śmiało mogę powiedzieć że powszechnie dostępnia technologia teraz jest na poziomiem futurystycznym. Jedynym powodem dla którego nie widzimy tego na codzień jest brak specjalistów i duże koszty implementacji jej w życiu codziennym dla szarych ludzi

Potęga komputera nie ma sobie równych.