De Britse startup Potential Sciences wil kunstmatige intelligentie gebruiken om het ontwerp van medicijnen te versnellen, een traag en grillig proces. De startup, die op 5 november werd gelanceerd, wil een groot deel van de dure en tijdrovende laboratoriumexperimenten omzeilen om moleculen te identificeren die geschikt zijn voor specifieke ziekten.
- Potential Sciences wil AI gebruiken om medicijnen te ontwerpen via simulatie.
- Het bedrijf wil dure laboratoriumexperimenten grotendeels vermijden.
- De startup haalde enkele tientallen miljoenen dollars op, maar het exacte bedrag blijft geheim.
- De technologie moet nog bewijzen dat ze betrouwbaar kan voorspellen hoe medicijnen zich binden aan eiwitten.
Simuleren in plaats van experimenteren
Het principe is gebaseerd op simulatie. Potential Sciences is van plan om grote chemische databases op te bouwen, gebaseerd op de basisprincipes van de fysica, eerst om de interacties tussen atomen te modelleren, vervolgens tussen kleine moleculen, en daarna tussen complexe aminozuren en eiwitten. Deze gegevens zouden worden gebruikt om AI-modellen en voorspellingssystemen te trainen, software die het gedrag van een molecuul kan inschatten voordat het wordt getest.
De oprichter en CEO van het bedrijf, Hatem Helal, legt aan WIRED zijn doel uit: « We willen dat moleculen die nooit in de kliniek zullen werken, snel falen. » Hij voegt daaraan toe dat dit « betere voorspellingsinstrumenten vereist voor hoe ze zich zullen gedragen wanneer ze interageren met de menselijke biologie ».
Een financiering zonder specifiek bedrag
De startup, gelanceerd op 5 november, geeft aan een startfinanciering van enkele tientallen miljoenen dollars te hebben opgehaald bij SovAI, de Britse overheids-risicokapitaalfonds gewijd aan AI, en Twin Path Ventures, onder andere investeerders. De oprichters weigerden het exacte bedrag en de waardering van het bedrijf bekend te maken.
Volgens Hatem Helal zou een verlaging van de kosten van experimenten het voor farmaceutische laboratoria ook rendabel kunnen maken om behandelingen te ontwikkelen voor zeldzame ziekten, die tot nu toe grotendeels verwaarloosd zijn. « We willen meer gepersonaliseerde behandelingen voor ziekten mogelijk maken, dit idee dat medicijnen unieke moleculaire combinaties kunnen zijn, afgestemd op ieders eigen menselijke biologie, » zegt hij.
Beloften die nog moeten worden waargemaakt
Een centrale vraag blijft: zal Potential Sciences met de gewenste precisie kunnen voorspellen hoe kandidaat-medicijnen zich binden aan ziektegerelateerde eiwitten? Zo’n doorbraak zou een aanzienlijke vooruitgang vereisen. Peter Wolynes, hoogleraar scheikunde aan Rice University, zegt « zeker te weten dat het een verbetering zal zijn ». Hij is echter van mening dat, voor het ontwerp van eiwitten, « de techniek zich op het niveau van de Romeinen bevindt, niet van de Renaissance ».
Verschillende persoonlijkheden in de sector verdedigen een andere visie. Demis Hassabis, Nobelprijswinnaar in de scheikunde voor zijn werk bij Google DeepMind, heeft lang beweerd dat de vooruitgang van de AI uiteindelijk zou leiden tot grote wetenschappelijke doorbraken, vergelijkbaar met wat de technologie recentelijk in de wiskunde heeft voortgebracht. Jonge bedrijven zoals Potential Sciences hopen dat de ontdekking van medicijnen een van de eerste wetenschappelijke domeinen zal zijn die door deze technologie wordt getransformeerd.
