Predictive Oncology досягає прориву у відкритті ліків за допомогою штучного інтелекту та природних сполук

Predictive Oncology досягла важливого етапу у своїй місії революціонізувати відкриття ліків від раку за допомогою штучного інтелекту. Компанія успішно розробила прогностичні моделі машинного навчання з 21 унікальної природної сполуки, отриманої з Центру відкриття природних продуктів Університету Мічигану, продемонструвавши потужну протипухлинну активність, яка перевищує ефективність стандартного протиракової препарату доксорубіцину. Цей прорив є конкретним кроком уперед у розробці фармацевтичних препаратів на основі ШІ, з потенціалом значно прискорити процес відкриття нових ліків.

Співпраця між Predictive Oncology і відомим дослідницьким центром Університету Мічигану демонструє, як партнерство між академічними установами та індустрією може використовувати передові обчислювальні методи разом із фармацевтичними інноваціями. Дослідження оцінювало ці нові сполуки на живих клітинних зразках пухлин трьох важливих типів раку — молочної залози, товстої кишки та яєчників, що підтверджує їх широкий терапевтичний потенціал.

Як модель машинного навчання Predictive Oncology перевищила традиційні стандарти

Основний висновок стосується трьох сполук, які послідовно демонстрували сильнішу відповідь пухлин на ліки порівняно з доксорубіцином у всіх досліджених типах пухлин. Ще чотири сполуки показали особливо сильну реакцію у конкретних моделях раку, тоді як сім інших продемонстрували перспективні «хіти» у кількох категоріях пухлин. За словами Арлет Уйлейн, старшого віце-президента з трансляційної медицини та відкриття ліків у Predictive Oncology, ці результати підтверджують здатність платформи ідентифікувати справді перспективних кандидатів.

Що відрізняє це дослідження, так це не лише виявлення активних сполук, а й ефективність, з якою платформа PEDAL Predictive Oncology досягла цього. Вона може з точністю 92% передбачити, чи відповість пухлинний зразок на конкретний препарат, що дозволяє дослідникам приймати обґрунтовані рішення щодо подальшого дослідження комбінацій ліків і пухлин.

Парадокс ефективності: чому 7% тестів дають прогнози для 73% експериментів

Можливо, найвражаючим аспектом дослідження Predictive Oncology є значне зменшення необхідної лабораторної роботи. Провівши лише 7% теоретично можливих експериментів у лабораторії, модель машинного навчання дала впевнені прогнози, що охоплюють 73% усіх потенційних результатів. Це означає економію часу до двох років у процесі відкриття ліків — значне прискорення в галузі, де традиційно розробка триває десятки років.

Ця можливість безпосередньо вирішує одну з головних проблем фармацевтичних досліджень: величезні витрати та час, необхідний для всебічного тестування. Виявляючи високоперспективні кандидати на ранніх етапах, підхід Predictive Oncology дозволяє зосередити ресурси на найбільш обіцяючих сполуках, потенційно перенаправляючи їх на інші кандидатні препарати або терапевтичні напрямки.

Співпраця з бібліотекою природних продуктів і доступ до фармацевтичної різноманітності

Партнерство з Центром відкриття природних продуктів Університету Мічигану дає Predictive Oncology доступ до однієї з найповніших у США бібліотек природних продуктів, придатних для фармацевтичного застосування. Колекція NPDC містить біорізноманітні зразки, зібрані з усього світу — Азіатсько-Тихоокеанського регіону, Близького Сходу, Південної Америки, Північної Америки та Антарктики. Історично природні продукти були надзвичайно плідним джерелом ліків; щонайменше 50% малих молекул, схвалених за останні три десятиліття, походять із досліджень природних сполук.

Варто зазначити, що 21 сполука, протестована у цьому дослідженні, становить лише приблизно 1% доступної бібліотеки NPDC. Це підкреслює як можливість, так і обмеження: хоча результати є обнадійливими, більшість бібліотеки ще не досліджена. Директор Центру відкриття природних продуктів Ашу Трипаті висловив оптимізм щодо тестування додаткових сполук із їхнього портфоліо сотень перспективних кандидатів.

Активність інституційних інвесторів: аналіз ринкових рухів

Остання діяльність хедж-фондів навколо Predictive Oncology (NASDAQ: POAI) демонструє змішану картину щодо довіри інституційних інвесторів. У третьому та четвертому кварталах 2024 року відбулися як виходи, так і додавання позицій з боку великих гравців. Renaissance Technologies LLC і HRT Financial LP повністю вийшли зі своїх позицій, тоді як Jane Street Group LLC, XTX Topco Ltd і CSENGE Advisory Group додали або збільшили свої акції у Q4 2024.

Різниця у рухах інституційних інвесторів свідчить про різні стратегії оцінки перспектив Predictive Oncology. Встановлені квантові фонди, такі як Renaissance, можливо, реінвестували на основі алгоритмічних сигналів, тоді як нові гравці орієнтуються на довгострокові переконання щодо потенціалу ШІ у відкритті ліків.

Основні питання щодо результатів дослідження

Q: Які конкретні типи пухлин досліджували команда Predictive Oncology?
Дослідження зосереджено на трьох основних категоріях раку: молочної залози, колоректального раку та раку яєчників — деяких із найбільш значущих глобальних проблем онкології. Ці типи пухлин обрано через їх клінічну актуальність і доступність комплексних бібліотек зразків.

Q: Як платформа PEDAL досягає 92% точності прогнозу?
Платформа використовує алгоритми машинного навчання, навчені на біобанку Predictive Oncology з понад 150 000 гетерогенних людських пухлинних зразків. Вивчаючи закономірності у цьому великому наборі даних про реакцію пухлин на різні сполуки, алгоритм розвиває здатність передбачати відповіді, що перевищують традиційні методи скринінгу.

Q: Чому дослідження охоплює лише 1% бібліотеки NPDC?
Це типове початкове обмеження академічно-промислових співпраць. Успішна перевірка підходу на пилотному наборі сполук дає підстави для розширеного тестування. NPDC має сотні додаткових сполук у своєму портфоліо для майбутніх досліджень.

Врахування розриву між обіцянками досліджень і клінічною реальністю

Хоча дослідження демонструє переконливий науковий потенціал, передбачити негайне застосування у клінічній практиці слід з обережністю. По-перше, нинішня робота — це рання оцінка сполук із використанням живих клітинних зразків пухлин, що цінно для скринінгу, але відрізняється від досліджень на тваринах або людських клінічних випробуваннях. Перехід від лабораторної ефективності до затверджених терапевтичних засобів зазвичай займає 10-15 років і коштує мільярди доларів.

По-друге, обмежений набір з 21 сполуки (1% бібліотеки, протестованих проти трьох типів пухлин) ставить питання про статистичну силу та узагальнюваність результатів. Команда Predictive Oncology визнає ці обмеження і планує продовжувати тестування додаткових сполук.

По-третє, прес-реліз містить прогностичні заяви, які залежать від ринкових умов. У компанії зазначають, що фактична майбутня діяльність може суттєво відрізнятися від заявлених очікувань — стандартне застереження, що відображає реальні ризики у розробці ліків.

Нарешті, конкуренти та традиційні методи скринінгу продовжують розвиватися. Технологічна перевага Predictive Oncology залежить від постійних інвестицій у R&D і доступу до нових сполук через партнерські програми.

Значення для штучного інтелекту у відкритті ліків

Анонс Predictive Oncology відображає тенденцію: штучний інтелект і машинне навчання дедалі більше стають рушіями на ранніх етапах відкриття ліків. Зменшуючи лабораторний обсяг і прискорюючи ідентифікацію кандидатів, ці платформи скорочують терміни і покращують розподіл ресурсів. Однак жодна модель не усуває фундаментальні невизначеності біологічних систем.

Партнерство з Університетом Мічигану демонструє, що Predictive Oncology успішно позиціонує себе як надійний партнер для академічних інституцій, що прагнуть комерціалізувати дослідження. Це дає компанії конкурентні переваги, особливо при розширенні портфоліо тестованих сполук за межі початкових 21.

Дослідження, оприлюднене на початку 2025 року, є важливим показником для зацікавлених сторін, що оцінюють технологічну платформу і ринкову позицію Predictive Oncology. Хоча регуляторні шляхи залишаються довгими, а клінічна трансляція — під питанням, демонстрація високої ефективності прогнозів і значних економічних переваг підтверджують основні заяви про потенціал ШІ у онкології.