AstraZeneca har afsat $247 millioner til at finansiere AI-lægemiddeludviklingsvirksomheden Abscis bestræbelser på at udvikle et antistof mod kræft.
Absci bruger sin generative AI-opdagelse af lægemidler platform til at opdage potentielle nye lægemidler og validerer dem derefter i sine wet-labs.
Med det AstraZeneca-støttede projekt vil Absci forsøge at skabe et antistof, der binder sig til et specifikt onkologisk mål. Virksomheden har endnu ikke afsløret, hvilken type kræft den er rettet mod med dette projekt.
Antistoffer er et attraktivt perspektiv for nye lægemidler fordi de er meget selektive i de mål, de binder til, og resulterer i minimale immunogene effekter. Men det er svært at finde et nyt antistof med specifikke egenskaber, som er let at fremstille.
Antallet af mulige proteinkombinationer til at lave forskellige antistoffer er praktisk talt ubegrænset. Så for at finde et, der gør, hvad du vil have det til at gøre, må du gætte dig frem og prøve dig frem.
Det gør traditionel antistofopdagelse meget tids- og ressourcekrævende. Det indebærer screening af store immune eller syntetiske biblioteker for at finde potentielle antistofkandidater. Disse kandidater skal derefter syntetiseres, før det bekræftes, om de vil binde optimalt til målet.
Abscis Integrated Drug Creation-platform bruger maskinlæringsmodeller, der er trænet på wet-lab-assays eller eksperimentelle procedurer, som genererer milliarder af protein-protein-interaktionsdata.
AI-modellen lærer de underliggende tekniske principper, der får forskellige proteiner til at opføre sig, som de gør. Platformen bruger sin generative AI-motor til at skabe syntetiske antistoffer de novo, eller fra bunden, i en nul-shot-tilgang.
For antistoffer betyder en zero-shot-tilgang, at de kandidatproteiner, som AI'en genererer, er baseret på de første principper i stedet for at være afhængige af historiske data om andre proteiner, der er kendt for at binde sig til et specifikt patogen.
Brug af AI giver et meget hurtigere og mere præcist "gæt" på, hvilke proteiner der potentielt kunne være værd at undersøge, end den menneskelige hit-and-miss-tilgang.
Kandidatproteiner valideres derefter eksperimentelt i Abscis wet-labs. AI-proteindesignplatformen fremskynder opdagelsen af lægemidler ved at afslutte cyklussen med dataindsamling, AI-drevet design og validering i vådlaboratorier inden for cirka seks uger.
Om partnerskabet med AstraZeneca sagde Abscis CEO Sean McClain: "AstraZeneca er førende inden for udvikling af nye behandlinger inden for onkologi, og vi er glade for at samarbejde med dem om at designe en terapeutisk antistofkandidat med potentiale til at forbedre kræftpatienters liv".
AstraZenecas økonomiske engagement i projektet er et lovende tegn på, at virksomheden er optimistisk med hensyn til potentialet for succes. Brug af AI til at fremskynde udviklingen af kræft medicin vil få stor indflydelse på patienternes liv og på Big Pharmas økonomi.
