「AI医薬品製造」の新時代が到来！人工知能がより良い抗がん剤の組み合わせを予測

[[355967]]

人工知能は新興の破壊的技術として、科学技術革命と産業変革によって蓄積された膨大なエネルギーを徐々に解放し、人類の生産、ライフスタイル、考え方を大きく変えつつあります。人工知能はすでに経済発展、社会進歩などに大きく広範囲な影響を及ぼしていると言えます。

現在、人工知能は携帯電話、顔・音声認識、囲碁、さらには構造生物学などの分野でその能力を発揮しており、その応用分野は絶えず拡大しています。 「 AI+医療」は、医療の負担を軽減しながら、誤診や診断漏れの発生を減らすことができるため、常に人々の大きな期待を集めていることは注目に値します。

2020年12月1日、フィンランドのアールト大学、ヘルシンキ大学、トゥルク大学の研究者らが、 Nature Communications誌に「前臨床薬物併用効果の体系的予測のための多方向相互作用の活用」と題する研究論文を発表しました。

この研究では、研究チームは、異なる抗がん剤の組み合わせががん細胞に対して複合的な殺傷効果を形成できるかどうかを正確に予測できる人工知能アルゴリズム「 comboFM」を開発しました。この新しい AI モデルは、過去の研究から得られた大量のデータを使用してトレーニングされており、薬剤の組み合わせを体系的に事前スクリーニングする非常に効率的な手段を提供します。

がんを克服するために、人類は数多くの治療薬を開発してきましたが、治療期間が長くなるにつれて、多くのがんが治療薬に耐性を持つようになり、あるいは全く効かなくなることもあります。この点で、併用療法は薬剤耐性に対処するための優れた戦略であり、同時に単一の薬剤の投与量を減らして患者への毒性副作用を軽減します。

残念ながら、併用療法には優れた利点があるものの、実験的スクリーニングには非常に時間がかかり、費用もかかり、ある程度の盲検化が伴います。したがって、効果的な薬剤の組み合わせをスクリーニングするための新しい、迅速かつ効率的な方法を開発することは、非常に意義のある研究です。

ここで、 Juho Rousu教授が率いる研究チームは、前臨床研究で薬剤の組み合わせ反応を予測するために使用できる人工知能アルゴリズム「 comboFM 」を開発しました。 comboFM は、高次テンソルを通じてさまざまな薬剤の組み合わせが相乗効果を持つかどうかをシミュレートし、相関係数をスコアリングできます。

併用薬投与効果を予測するための comboFM フレームワークの概要

comboFM はテンソル分解に基づいて、類似の薬剤や細胞での過去の実験の研究データを活用して、まだテストされていない細胞が新しい薬剤の組み合わせにどのように反応するかを予測することができます。したがって、研究データが少ない場合でも、comboFM は非常に正確な予測を達成できます。

comboFM の原理について、ルース教授は次のように説明しています。「機械学習モデルは実際には多項式関数であり、学校の数学の授業でよく目にしますが、ここでは非常に複雑です。」

組織タイプと薬物クラスに対する comboFM-5、comboFM-1、comboFM-1、ランダムフォレスト (RF) の予測パフォーマンス

さらに、研究者らは腫瘍細胞株の薬物ゲノムスクリーニングのデータを使用して、comboFM がさまざまな予測シナリオで優れた予測性能を発揮することを確認しました。

さらに、研究者らは、これまでテストされていなかった一連の薬剤の組み合わせをその後実験的に検証し、comboFM の有用性をさらに裏付けました。研究者らは、未分化リンパ腫キナーゼ(ALK)阻害剤クリゾチニブとプロテアソーム阻害剤ボルテゾミブがリンパ腫細胞においてこれまで発見されていなかった相乗効果を持つことを実証しました。

実験検証における薬剤併用相乗効果スコアの測定

さらに、 comboFMは非癌疾患の薬剤併用スクリーニングにも使用できます。たとえば、comboFM は、さまざまな抗生物質の組み合わせが細菌感染にどのように影響するか、またはさまざまな薬剤の組み合わせが SARS-Cov-2 に感染した細胞をどのように効果的に殺すかを研究するために使用できます。

ルース教授はまた、「comboFMは非常に正確な結果をもたらすことができます。彼らのシミュレーション実験では、相関係数が0.9を超えると、この薬剤の組み合わせの信頼性が高いことを意味します」と述べました。実際、実験測定では、相関係数 0.8 ～ 0.9 が信頼できると考えられています。

要約すると、この研究では、新しい高速かつ効率的な薬剤組み合わせ人工知能アルゴリズムが開発され、研究者はこのアルゴリズムを通じてこれまで発見されていなかった薬剤の組み合わせを予測することに成功しました。これにより、医学研究者は何千もの薬剤の組み合わせの中からどの薬剤の組み合わせをさらに研究すべきかを優先順位付けすることができ、薬剤の組み合わせの開発プロセスが大幅に短縮されます。

さらに、研究チームはcomboFMの完全なコードもGitHubで共有しました。

リンク: https://github.com/aalto-ics-kepaco/comboFM

論文リンク:

https://www.nature.com/articles/s41467-020-19950-z