Σε ένα παλιό εργοστάσιο μπισκότων στο Νότιο Λονδίνο, τα παραδοσιακά μίξερ και οι φούρνοι έχουν αντικατασταθεί από ρομποτικούς βραχίονες, θερμοκοιτίδες και μηχανήματα αλληλούχισης DNA. Ο Τζέιμς Φιλντ και η εταιρεία του LabGenius χρησιμοποιούν αυτόν τον χώρο για να αναπτύξουν μια επαναστατική προσέγγιση για την κατασκευή νέων ιατρικών αντισωμάτων με τη χρήση τεχνητής νοημοσύνης.
Τα αντισώματα είναι η απάντηση του οργανισμού στις ασθένειες και χρησιμεύουν ως η πρώτη γραμμή άμυνας του ανοσοποιητικού συστήματος. Πρόκειται για αλυσίδες πρωτεϊνών που έχουν ειδικό σχήμα για να “κολλάνε” σε ξένους εισβολείς, ώστε να μπορούν να απομακρυνθούν από τον οργανισμό. Από τη δεκαετία του 1980, οι φαρμακευτικές εταιρείες παρασκευάζουν συνθετικά αντισώματα για τη θεραπεία ασθενειών όπως ο καρκίνος και για να μειώσουν την πιθανότητα απόρριψης μεταμοσχευμένων οργάνων.
Ωστόσο, ο σχεδιασμός αυτών των αντισωμάτων είναι μια αργή διαδικασία για τον άνθρωπο. Οι σχεδιαστές πρωτεϊνών πρέπει να περάσουν από εκατομμύρια πιθανούς συνδυασμούς αμινοξέων για να βρουν αυτούς που θα αναδιπλωθούν μαζί με τον σωστό ακριβώς τρόπο, και στη συνέχεια να τους δοκιμάσουν όλους πειραματικά. Αυτή η διαδικασία περιλαμβάνει τη ρύθμιση ορισμένων μεταβλητών για τη βελτίωση ορισμένων χαρακτηριστικών της θεραπείας, ελπίζοντας παράλληλα ότι δεν θα την επιδεινώσει με άλλους τρόπους.
Η LabGenius χρησιμοποιεί τη μηχανική μάθηση, τη ρομποτική και την αλληλούχιση του DNA για να αυτοματοποιήσει σε μεγάλο βαθμό τη διαδικασία ανακάλυψης αντισωμάτων. Στο εργαστήριό τους στο Bermondsey, ένας αλγόριθμος μηχανικής μάθησης σχεδιάζει αντισώματα που στοχεύουν συγκεκριμένες ασθένειες και στη συνέχεια αυτοματοποιημένα ρομποτικά συστήματα τα κατασκευάζουν και τα καλλιεργούν στο εργαστήριο. Τα συστήματα εκτελούν δοκιμές και τροφοδοτούν τα δεδομένα πίσω στον αλγόριθμο, και όλα αυτά με περιορισμένη ανθρώπινη επίβλεψη.
Οι επιστήμονες ξεκινούν με τον προσδιορισμό ενός χώρου αναζήτησης πιθανών αντισωμάτων για την αντιμετώπιση μιας συγκεκριμένης ασθένειας. Χρειάζονται πρωτεΐνες που μπορούν να διακρίνουν μεταξύ υγιών και ασθενών κυττάρων, να προσκολλώνται στα ασθενή κύτταρα και στη συνέχεια να στρατολογούν ένα ανοσοποιητικό κύτταρο για να τελειώσει τη δουλειά. Η LabGenius έχει αναπτύξει ένα μοντέλο μηχανικής μάθησης που μπορεί να εξερευνήσει αυτόν τον χώρο αναζήτησης πολύ πιο γρήγορα και αποτελεσματικά.
Το μοντέλο τεχνητής νοημοσύνης επιλέγει περισσότερες από 700 αρχικές επιλογές μέσα από έναν χώρο αναζήτησης 100.000 πιθανών αντισωμάτων. Στη συνέχεια, τα σχεδιάζει, τα κατασκευάζει και τα δοκιμάζει αυτόματα με στόχο την εύρεση δυνητικά γόνιμων περιοχών που θα πρέπει να διερευνηθούν σε μεγαλύτερο βάθος. Οι δοκιμές είναι σχεδόν πλήρως αυτοματοποιημένες, με εξοπλισμό υψηλών προδιαγραφών που εμπλέκεται στην προετοιμασία των δειγμάτων και την εκτέλεσή τους σε διάφορα στάδια της διαδικασίας δοκιμής.
