Bioteknologi menerapkan AI dan pembelajaran mesin untuk pengembangan obat, berpotensi menciptakan lusinan obat baru dan pasar $ 50 miliar selama dekade berikutnya.Inilah artinya bagi pasien dan investor.

Pengantar:

Untuk perusahaan bioteknologi, sebagian besar proses tradisional menemukan obat baru adalah menebak mahal.membantu perusahaan menggunakan set data yang luas untuk dengan cepat mengidentifikasi penanda respons pasien dan mengembangkan target obat yang layak dengan lebih murah dan efisien.

Hasilnya dapat mengubah tidak hanya bagi penyedia layanan medis dan pasien yang menderita penyakit yang sulit diobati, tetapi juga untuk sektor bioteknologi: Morgan Stanley Research believes that modest improvements in early-stage drug development success rates enabled by the use of artificial intelligence and machine learning could lead to an additional 50 novel therapies over a 10-year period, yang bisa diterjemahkan ke dalam lebih dari $ 50 miliar kesempatan.

"Pendiagnosis prediktif, ditingkatkan oleh data, menyajikan peluang penting dalam jangka pendek bagi industri ilmu kehidupan", kata Tejas Savant.yang mencakup alat ilmu kehidupan dan diagnostik di Morgan Stanley Research. ¢Ini juga cenderung beresonansi dengan pembayar, karena uji coba ini dapat menghasilkan hasil yang lebih baik.Mereka juga dapat memberikan penghematan biaya yang cukup besar dengan memungkinkan identifikasi dan pengobatan pasien berisiko tinggi lebih awal.

MENGAPA MENGGUNAKAN AI dalam Penemuan Obat-obatan?

Tujuan utama dari penelitian penemuan obat adalah untuk mengidentifikasi obat-obatan yang bermanfaat bagi tubuh, dengan kata lain, mereka dapat membantu mencegah atau mengobati penyakit tertentu.

Meskipun ada beberapa jenis obat yang berbeda, banyak adalah molekul kecil yang disintesis secara kimiawi yang dapat secara khusus mengikat molekul target – biasanya protein – yang terlibat dalam penyakit.

Untuk menemukan molekul-molekul ini, para peneliti secara tradisional melakukan skrining besar perpustakaan molekul untuk mengidentifikasi yang berpotensi menjadi obat.Mereka kemudian melalui berbagai putaran tes untuk mengembangkan ini menjadi senyawa yang menjanjikan.

Baru-baru ini, pendekatan desain obat berbasis struktur yang lebih rasional menjadi semakin umum.Ini menghindari tahap skrining awal tetapi masih membutuhkan ahli kimia untuk menciptakan obat baru potensial dengan merancang, mensintesis dan mengevaluasi banyak senyawa.

Karena umumnya tidak diketahui struktur kimia mana yang akan memiliki efek biologis yang diinginkan dan sifat yang dibutuhkan untuk menjadi obat yang efektif,proses penyulingan senyawa yang menjanjikan menjadi kandidat obat bisa mahal dan memakan waktuAngka terbaru menunjukkan bahwa biaya untuk membawa obat baru ke pasar sekarang rata-rata US$2,6 miliar.

Selain itu, bahkan setelah kandidat obat baru menunjukkan potensi dalam pengujian laboratorium, mungkin masih gagal ketika dipindahkan ke uji klinis.kurang dari 10% dari kandidat obat berhasil masuk ke pasar setelah uji coba Fase I.

Mengingat hal ini, tidak mengherankan bahwa para ahli sekarang melihat potensi pengolahan data yang tak tertandingi dari sistem AI sebagai cara untuk mempercepat dan mengurangi biaya penemuan obat baru.Menurut perusahaan riset pasar Bekryl, AI memiliki potensi untuk menawarkan lebih dari US $ 70 miliar dalam penghematan untuk proses penemuan obat pada tahun 2028.

Bagaimana AI Dapat Digunakan untuk Menemukan Narkoba?

The sheer size of the libraries used to screen for new drug candidates means it’s now practically impossible for individual researchers to review everything themselves - and that’s where AI and machine learning can help.

Teknik canggih ini memungkinkan para peneliti untuk mengekstrak wawasan tersembunyi dari kumpulan data yang besar.

• Memprediksi sifat dari senyawa potensial,yang berarti bahwa hanya senyawa dengan sifat yang diinginkan dipilih untuk sintesis hemat waktu dan uang dengan mencegah pekerjaan pada senyawa yang tidak mungkin efektif.
• Menghasilkan ide untuk senyawa yang sama sekali baru,dimana molekul yang diciptakan diprediksi memiliki semua sifat yang diinginkan yang diperlukan untuk sukses yang dapat sangat mempercepat penemuan obat baru yang efektif.
• Mengurangi kebutuhan untuk tugas yang berulang, seperti analisis ribuan gambar histologi, menghemat ratusan jam kerja di laboratorium.

Ini hanya beberapa potensi keuntungan, melihat akhir awal dari pipa penemuan obat.

KS-V Peptide AI-dibantu Drug Discovery:

Mendok peptida ke target dan mencetak konformasi pengikat, mempertahankan hasil dengan skor terbaik, dan terus mencari urutan yang lebih baik berdasarkan hasil sebelumnya.Mengulangi proses sampai skor tidak berubah secara signifikanMenggabungkan penemuan obat yang dibantu AI dengan otomatisasi laboratorium, screening berkinerja tinggi,dan teknologi lain dapat lebih meningkatkan proses penemuan obat dengan meningkatkan efisiensi dan mengurangi waktu dan biaya yang terlibat.

KS-V Peptide AI-dibantu Penemuan Obat studi kasus: