Posun od observační biologie k mechanistickému pochopení procesů
Společnost Relation Therapeutics oznámila vývoj nového modelu umělé inteligence s názvem MORGAN (Multi-Omic Regulatory Genomics using Artificial Neural Networks) a současně rozšířila strategickou spolupráci se společností GSK. Tento krok představuje změnu v přístupu k využívání umělé inteligence ve vývoji léčiv. Zatímco dosavadní modely se často zaměřují na hledání vzorců v rozsáhlých observačních datových sadách, cílem nového systému je analyzovat biologické procesy skrze jejich cílené ovlivňování.
Princip fungování modelu MORGAN
Model MORGAN je trénován na datech získaných z perturbací, tedy z řízených zásahů do lidských buněčných systémů. Tento přístup umožňuje sledovat, jakým způsobem buňky reagují na specifické genetické či farmakologické změny. Společnost Relation Therapeutics kombinuje výpočetní predikce s laboratorním experimentováním v uzavřeném cyklu, kdy výsledky z laboratoře následně slouží k dalšímu zpřesňování modelu.
Rozdíl mezi korelací a kauzalitou
Současný výzkum v oblasti stárnutí a medicíny se často opírá o longitudinální studie a biobanky, které poskytují observační data. Tyto zdroje umožňují identifikovat biomarkery nebo korelace mezi různými stavy, avšak samy o sobě nevysvětlují příčinné souvislosti. Mechanistický přístup, který Relation Therapeutics prosazuje, se zaměřuje na pochopení příčiny a následku. Cílem je identifikovat, jaká intervence může vést k požadované změně v biologickém systému.
Využití v terapeutické praxi
Aktuální zaměření společnosti se soustředí na imunologii, metabolická onemocnění a poruchy kostí. Ačkoliv se tyto oblasti s procesy stárnutí přirozeně prolínají, vedení společnosti v čele s Davidem Roblinem uvádí, že primárním záměrem je vytvoření obecného biologického základu pro porozumění buněčným mechanismům a identifikaci nových terapeutických cílů.
Vývojáři předpokládají, že s rozšiřováním datových sad bude model schopen poskytnout hlubší vhled do toho, jak různé faktory, včetně věku a chorobných procesů, formují buněčné chování. Potenciální využití těchto poznatků pro vývoj biomarkerů stárnutí nebo geroprotektivních intervencí zůstává předmětem dalšího vědeckého zkoumání, přičemž prioritou zůstává budování infrastruktury pro efektivnější vývoj léků. Spolupráce s GSK se v tomto ohledu zaměřuje na integraci humánních dat, laboratorních experimentů a strojového učení za účelem zpřesnění identifikace cílů u komplexních onemocnění.