Ustaroj tvornici keksa u južnom Londonu, divovske miješalice i industrijske pećnice zamijenjene su robotskim rukama, inkubatorima i strojevima za sekvenciranje DNK. James Field i njegova tvrtka LabGenius ne proizvode slatke poslastice; oni pripremaju revolucionarni pristup inženjeringu novih medicinskih antitijela koji se temelji na umjetnoj inteligenciji.
U prirodi, antitijela su odgovor tijela na bolest i služe kao trupe na prvoj crti imunološkog sustava. To su niti proteina koji su posebno oblikovani da se zalijepe za strane napadače kako bi ih se moglo isprati iz sustava. Od 1980-ih farmaceutske tvrtke proizvode sintetička protutijela za liječenje bolesti poput raka i za smanjenje mogućnosti odbacivanja presađenih organa.
Ali dizajniranje ovih antitijela spor je proces. Dizajneri proteina moraju proći kroz milijune potencijalnih kombinacija aminokiselina kako bi pronašli one koje će se sklopiti na ispravan način, a zatim ih sve eksperimentalno testirati, prilagođavajući neke varijable kako bi poboljšali neke karakteristike liječenja dok se nadamo da ga to neće pogoršati na druge načine.
Dok je studirao za doktorat iz sintetičke biologije na Imperial Collegeu u Londonu, Field je uvidio kako se mogu smanjiti troškovi sekvenciranja DNK, računanja i robotike. LabGenius koristi sva tri kako bi u velikoj mjeri automatizirao proces otkrivanja antitijela. U laboratoriju u Bermondseyu, algoritam strojnog učenja dizajnira antitijela za ciljanje određenih bolesti, a zatim ih automatizirani robotski sustavi izgrađuju i uzgajaju u laboratoriju, pokreću testove i vraćaju podatke u algoritam, sve uz ograničen ljudski nadzor. Postoje prostorije za uzgoj oboljelih stanica, uzgoj antitijela i sekvenciranje njihove DNK – tehničari u laboratorijskim kutama pripremaju uzorke i tapkaju po računalima dok strojevi zvrječe u pozadini.
Ljudski znanstvenici započinju identificiranjem prostora pretraživanja potencijalnih antitijela za borbu protiv određene bolesti – trebaju im proteini koji mogu razlikovati zdrave od bolesnih stanica, zalijepiti se za bolesne stanice, a zatim regrutirati imunološku stanicu da dovrši posao. Ali ti bi proteini mogli biti bilo gdje u beskonačnom prostoru pretraživanja potencijalnih opcija. LabGenius je razvio model strojnog učenja koji može mnogo brže i učinkovitije istraživati taj prostor.
Model odabire više od 700 početnih opcija iz cijelog prostora pretraživanja od 100.000 potencijalnih antitijela, a zatim ih automatski dizajnira, gradi i testira, s ciljem pronalaženja potencijalno korisnih područja za dublje istraživanje. Razmislite o odabiru savršenog automobila iz niza tisuća – možete započeti odabirom široke boje, a zatim je filtrirati u određene nijanse.
Ukratko, umjetna inteligencija višestruko ubrzava vrijeme istraživanja i kreiranja antitijela, što mogućnosti koje postoje u medicini čini iznimnima i uzbudljivima s obzirom koliko dobra sve skupa može donijeti.