Как предотвратить неудачи в фармацевтике. Искусственный интеллект решает проблему

Как предотвратить неудачи в фармацевтике. Искусственный интеллект решает проблему

Российские специалисты разработали систему искусственного интеллекта, способную с высокой точностью анализировать стабильность различных кристаллических форм лекарственных веществ. Этот подход значительно ускорит процесс поиска оптимальных соединений для фармацевтической промышленности, что позволит минимизировать ошибки и повысить эффективность разработки новых препаратов.

Современная фармакология сталкивается с проблемой большого количества возможных кристаллических форм одного и того же соединения. Эти формы могут различаться по стабильности, структуре и воздействию на организм. Например, в случае препарата «Ротиготин», предназначенного для лечения болезни Паркинсона, нестабильность кристаллической формы привела к его отзыву с рынка и значительным финансовым потерям для производителя.

Обычно оценка стабильности соединений проводится с помощью квантово-механических расчетов или лабораторных экспериментов. Однако такие методы требуют значительных ресурсов и времени. Поэтому ученые предложили использовать машинное обучение для предсказания межатомных взаимодействий и свойств молекул.

ИИ-система, созданная российскими исследователями, основана на машинно-обучаемых потенциалах. Эти алгоритмы обучаются на небольшом наборе данных квантово-химических расчетов, а затем могут быстро и с высокой точностью прогнозировать свойства сложных молекул. Такой подход позволяет сократить время анализа в разы по сравнению с традиционными методами.

Российские специалисты адаптировали этот алгоритм для исследования кристаллических структур различных соединений. В ходе тестирования метод показал высокую точность, предсказав структуру кристаллов бензола и глицина — органических молекул, часто используемых в фармацевтике. Полученные результаты соответствовали как справочным данным, так и результатам классических квантово-химических расчетов.


"Моделирование с квантово-механической точностью используется на финальной стадии, но для скрининга миллионов соединений фармкомпаниям нужны более быстрые методы."

- Никита Рыбин, научный сотрудник Центра искусственного интеллекта "Сколтеха"


Предложенный подход значительно ускоряет процесс поиска оптимальных форм лекарственных веществ. В будущем эта технология может стать неотъемлемой частью фармацевтических исследований, помогая разрабатывать более эффективные и безопасные препараты.

Источник: пресс-служба "Сколтеха"

Дешевые светодиоды с высокой светоотдачей. Новая технология приближает их к массовому производству
Молнии в лаборатории. Исследование показало неожиданные результаты