MRSA स्वास्थ्य देखभाल सेटिंग्स में बढ़ती सामान्यता – क्या AI ने अभी-अभी लड़ने के लिए एक उपकरण प्रदान किया है?

पहली चिकित्सा क्रांति

पेनिसिलिन, पहला एंटीबायोटिक, के आविष्कार से पहले, एक साधारण फेफड़े का संक्रमण या यहाँ तक कि एक छोटा कट भी घातक हो सकता था। यह केवल जीवन की वह वास्तविकता थी जिसके साथ लोग जीते (और मरते) थे।

काफी समय तक, नई एंटीबायोटिक वर्गों की नियमित रूप से खोज होती रही, जिससे बैक्टीरियल संक्रमण के खतरे को दूर रखा जा सके। हाल ही में, एंटीबायोटिक-प्रतिरोधी बैक्टीरिया के उदय ने इस बात को प्रश्नवाचक बना दिया है कि क्या यह स्थिति बहुत देर तक बनी रह सकती है।

एंटीमाइक्रोबियल प्रतिरोध (AMR) ने 2019 में सीधे 1.27 मिलियन मौतें करवाईं, जिनमें से प्रत्येक पाँच में से एक बच्चा 5 वर्ष से कम आयु का था। और 2019 में 4.95 मिलियन लोग उन दवा-प्रतिरोधी संक्रमणों से पीड़ित थे, जैसे निचले श्वसन पथ, रक्तप्रवाह, और अंतः-उदर संक्रमण।

यह विशेष रूप से अस्पतालों में समस्या बन जाता है, जहाँ एंटीबायोटिक का अधिक उपयोग और कमजोर प्रतिरक्षा प्रणाली एंटीबायोटिक प्रतिरोध को संक्रमण और मौतों का प्रमुख कारण बनाते हैं।

नई एंटीबायोटिक और एंटीबायोटिक प्रतिरोध के बीच हथियार दौड़ में, बैक्टीरिया जीत रहे हैं। बाजार में पहुंचने वाले नए एंटीबायोटिक वर्ग की नवीनतम खोज 1987 में हुई थी. समग्र रूप से, एंटीबायोटिक संभावनाओं के लिए अनगिनत रसायनों को अंधाधुंध स्क्रीन करने की पुरानी विधि अब काम नहीं कर रही है।

स्रोत: ReAct Group

MRSA – उभरता स्वास्थ्य देखभाल आपदा

Staphylococcus aureus एक बैक्टीरिया है जो त्वचा पर रहता है। मेथिसिलिन-प्रतिरोधी Staphylococcus aureus (MRSA) ऐसे बैक्टीरिया हैं जो मेथिसिलिन जैसी सामान्य एंटीबायोटिक के प्रति प्रतिरोधी होते हैं, और अक्सर अन्य उपचारों/एंटीबायोटिक के प्रति भी प्रतिरोध दिखाते हैं।

अधिकांश MRSA संक्रमण अस्पतालों या स्वास्थ्य देखभाल सेटिंग्स में होते हैं, उदाहरण के लिए, डायलिसिस केंद्र या नर्सिंग होम। यह त्वचा-से-त्वचा संपर्क से भी फैल सकता है।

त्वचा पर इसकी उपस्थिति के कारण, Staphylococcus aureus सर्जरी या खुले घावों के बाद संक्रमण का संभावित कारण बनता है।

MRSA संक्रमण हर साल संयुक्त राज्य अमेरिका में ही 10,000 से अधिक लोगों की मौत का कारण बनते हैं, जिसमें 80,000 से अधिक संक्रमण होते हैं। MRSA स्ट्रेन्स ने वैन्कोमाइसिन, जो इसके खिलाफ उपलब्ध अंतिम प्रभावी एंटीबायोटिक में से एक है, के प्रति भी प्रतिरोध विकसित करना शुरू कर दिया है।

यह व्यापक रूप से न मारने योग्य MRSA के प्रसार और प्री-एंटीबायोटिक युग में सामान्य घातक बैक्टीरियल संक्रमण की वापसी को बढ़ाता है।

AI मदद के लिए

यदि नई एंटीबायोटिक के लिए अनगिनत उम्मीदवारों को अंधाधुंध स्क्रीन करना अब काम नहीं करता, तो लाखों उम्मीदवारों को बुद्धिमानी से स्क्रीन करना कैसा रहेगा? यही कार्य MIT के शोधकर्ता, शोधकर्ता द्वारा नेतृत्वितजेम्स कॉलिन्स इस पर काम कर रहे हैं.

MIT के शोधकर्ता एक डीप लर्निंग AI मॉडल का उपयोग करके यह भविष्यवाणी करते हैं कि कौन से रासायनिक अणु एंटीबैक्टीरियल सक्रियता रख सकते हैं।

पहले, उन्होंने AI मॉडल को उन रासायनिक पैटर्नों के बारे में सिखाया जो एंटीबैक्टीरियल सक्रियता के लिए ज्ञात हैं। फिर, AI लाखों संभावित अणुओं की जाँच कर सकता है कि उनमें समान संभावनाएँ हैं या नहीं।

इसके लिए, शोधकर्ता ने पहले MRSA पर 39,000 अणुओं की एंटीबायोटिक सक्रियता का परीक्षण किया और परिणाम AI को दिखाया, जिससे AI ने यह सीख लिया कि क्या काम करता है।

उसके बाद उन्होंने ‘Monte Carlo tree search’ नामक एक विधि विकसित की, जिससे AI के परिणाम शोधकर्ताओं के लिए अधिक समझने योग्य हो गए, यह दिखाते हुए कि संभावित नई एंटीबायोटिक अणु का कौन सा उपविभाग चिकित्सीय परिणाम के लिए जिम्मेदार होने की उम्मीद है।

AI टीमवर्क

हानिकारक बैक्टीरिया को मारने वाले पदार्थ को ढूँढ़ना पर्याप्त नहीं है। यह भी महत्वपूर्ण है कि रासायनिक यौगिक रोगियों के लिए सुरक्षित हों।

एंटीबायोटिक खोज के समान सिद्धांत का पालन करते हुए, शोधकर्ताओं ने 3 विभिन्न डीप-लर्निंग मॉडलों को प्रशिक्षित किया ताकि 3 प्रकार की मानव कोशिकाओं के प्रति विषाक्तता की भविष्यवाणी की जा सके।

इन खोजों के परिणामों को फिर MRSA-केंद्रित AI के परिणामों के साथ मिलाया जाएगा, ताकि ऐसे यौगिक पाए जा सकें जो एंटीबायोटिक सक्रियता और सुरक्षा प्रोफ़ाइल दोनों के लिए उपयुक्त हों।

यह अच्छी तरह दर्शाता है कि AI-संचालित दवा खोज केवल मानवों द्वारा AI को मार्गदर्शन पर निर्भर नहीं है, बल्कि बढ़ती हुई AI के बीच “बातचीत” और सहयोग पर भी निर्भर है।

प्रभावशाली परिणाम

MIT के शोधकर्ताओं ने कम से कम 12 मिलियन रासायनिक यौगिकों का विश्लेषण किया। महत्वपूर्ण बात यह है कि इन सभी 12 मिलियन यौगिकों की व्यावसायिक उपलब्धता थी, जिससे उन्हें नई एंटीबायोटिक के रूप में व्यावसायीकरण आसान हो गया, क्योंकि उन्हें बनाने की आपूर्ति श्रृंखला पहले से मौजूद है।

AI की मदद से, 280 यौगिकों की एक छोटी सूची तैयार की गई। इन्हें MRSA के खिलाफ परीक्षण किया गया, और समान वर्ग के 2 यौगिकों ने MRSA को 10 गुना घटाया। एंटीबायोटिक बैक्टीरिया की कोशिका झिल्ली के इलेक्ट्रोकेमिकल ग्रेडिएंट को बाधित करके काम करते हैं।

यह शोध टीम के लिए एक नई सफलता है, जिसने पहले 2 संभावित नई एंटीबायोटिक (परंतु MRSA के खिलाफ उपयोगी नहीं) halicin और aubicin खोजे थे।

भविष्य की दवा खोजों के लिए इसका क्या मतलब है

फार्मा से बायोटेक, फिर से फार्मा?

दवा खोज हमेशा फार्मास्यूटिकल कंपनियों के मॉडल के केंद्र में रही है। यह व्यवसाय का एक महत्वपूर्ण हिस्सा है, क्योंकि पेटेंट समाप्त होते हैं और नई विशिष्ट दवाओं की आवश्यकता होती है ताकि धन प्रवाह बना रहे और आगे के अनुसंधान एवं विकास तथा चिकित्सा प्रगति को फंड किया जा सके।

दुर्भाग्यवश, प्राकृतिक दुनिया और कृत्रिम अणुओं को नई सक्रिय यौगिकों के लिए स्क्रीन करने की विधि कुछ हद तक ठहर गई है।

यह बायोटेक कंपनियों के उदय का मुख्य कारण रहा है, जो रसायनों के बजाय एंटीबॉडी जैसे जैविक अणुओं का उपयोग करती हैं। और इसलिए “पुरानी स्कूल” फार्मा कंपनियों को बायोटेक स्टार्टअप्स को अधिग्रहित करने के लिए मजबूर किया गया, जिससे कई कंपनियां अधिक “मार्केटिंग मशीन” बन गईं, बजाय उन अनुसंधान एवं विकास-प्रेरित व्यवसायों के जो वे पहले थीं।

यदि रासायनिक दवा खोज अधिक सफल हो जाती है, तो हम देख सकते हैं कि अधिक फार्मा कंपनियां R&D पर अधिक खर्च करें और बायोटेक अधिग्रहणों पर कम।

यह उद्योग के लिए दूरगामी परिणाम हो सकते हैं, जिसमें शामिल हैं:

• नवोन्मेषी फार्मास्यूटिकल कंपनियों के लिए विकास की वापसी।
• बायोटेक स्टार्टअप्स के लिए कम बोली लगाने की संभावना।
• कम उपचारित रोगों के लिए नई “ब्लॉकबस्टर” रासायनिक दवाओं की खोज की संभावना।

टेक और फार्मा का मिलन

सफल AI-आधारित दवा खोज का एक और प्रभाव यह है कि प्रक्रिया अब दवा और रसायन विज्ञान से कम और डेटा और न्यूरल नेटवर्क्स से अधिक जुड़ी हुई है।

यह तकनीकी कंपनियों और फार्मास्यूटिकल कंपनियों के बीच गहरी संबंधों के लिए क्षेत्र खोलता है। संभावित रूप से, दवा खोज AI उद्योग के लिए 1980 के दशक में बायोटेक्नोलॉजी के उदय जितना परिवर्तनकारी हो सकता है।

हम यह भी देख सकते हैं कि फार्मा और AI दिग्गजों के बीच नई संयुक्त उद्यमों का उदय हो। उदाहरण के तौर पर, एक दवा-खोज कंपनी जो Pfizer (PFE ) या Novartis जैसे दवा पक्ष के दिग्गजों और Google या Microsoft (MSFT ) जैसे AI पक्ष के दिग्गजों द्वारा सह-स्वामित्व में हो।

यदि AI-ड्रग डिस्कवरी AI के प्रमुख लाभ केंद्रों में से एक बन जाता है, तो हम देख सकते हैं कि तकनीकी कंपनियां फार्मास्यूटिकल कंपनियों को अधिग्रहित कर रही हैं।

डेटा की शक्ति

AI बड़े डेटा भंडार की वजह से निर्मित होते हैं। MIT का शोध भी इसका अपवाद नहीं था और यह मुख्यतः Mcule डेटाबेस पर निर्भर था। दवा खोज के लिए डिजिटल डेटा प्रदाताओं का क्षेत्र अभी अपने प्रारंभिक चरण में है और यह गैर-लाभकारी संगठनों और निजी स्टार्टअप्स द्वारा नियंत्रित है।

दीर्घकाल में, हम संभवतः उद्योग के एकीकरण और कुछ प्रमुख प्रदाताओं के उदय को देखेंगे, जो संभवतः IPO भी करेंगे।

विषाक्तता की भविष्यवाणी “इन-सिलिको”

MIT की खोज का एक अंतिम प्रभाव यह है कि रासायनिक विषाक्तता और क्लिनिकल ट्रायल सफलता की भविष्यवाणी करने के तरीके को पुनः विचार किया जाए।

हाल ही तक, मानव अनुभव और अंतर्ज्ञान तथा पशु और इन विट्रो मॉडल नई अणु से जुड़े जोखिमों का आकलन करने के मुख्य तरीके थे।

AI डीप लर्निंग न केवल नई एंटीबायोटिक वर्ग खोजने में मदद कर सकती है, बल्कि यह भी भविष्यवाणी कर सकती है कि कौन से उम्मीदवार संभावित रूप से विषरहित होंगे। यह AI का उपयोग करके क्लिनिकल ट्रायल के चरण I में विफल होने वाली दवाओं की संख्या को कम करने की संभावना खोलता है, जो मानव में विषाक्तता की जांच के लिए डिज़ाइन किया गया है।

लगभग 35% उम्मीदवार रसायन क्लिनिकल ट्रायल के चरण I में विफल होते हैं। इस संख्या को कम करने से दवा विकास तेज होगा और औसत R&D लागत घटेगी।

स्रोत: Duxin Sun et al

AI दवा खोज से लाभान्वित शीर्ष 3 कंपनियां

यह MIT खोज फाउंडेशनों, गैर-लाभकारी और सार्वजनिक फंडिंग द्वारा वित्तपोषित थी। हालांकि, निवेशक कई सार्वजनिक रूप से ट्रेडेड स्टॉक्स के माध्यम से AI-आधारित दवा खोज में एक्सपोजर प्राप्त कर सकते हैं।

सामान्यतः, दवा खोज के लिए डिजिटल और AI सिस्टम वाली कंपनियों को दो स्तरों पर व्यवस्थित किया जा सकता है:

1. कम्प्यूटेशनल बनाम गीले (जैविक) डेटा का एकीकरण।
2. विकास का चरण, साझेदारियां, और कम्प्यूटेशनल/डेटा संसाधन।

स्रोत: Recursion

(इस सूची की कंपनियां AI टूल्स, जैसे कि NVIDIA (NVDA ) हार्डवेयर, का उपयोग करने वाली हैं। हालांकि, हम यहाँ केवल दवा-खोज कंपनियों पर ध्यान केंद्रित कर रहे हैं, न कि सामान्य AI पर)।

1. Schrödinger, Inc.

SDGR मूल्य चार्ट

कंपनी भौतिकी-आधारित मॉडलों में विशेषज्ञता रखती है ताकि किसी दिए गए लक्ष्य के लिए सबसे उपयुक्त अणु खोजा जा सके, जिसमें पोटेंसी, घुलनशीलता, अर्ध-आयु, संश्लेषणीयता आदि जैसे विरोधी मापदंडों को संतुलित किया जाता है।

यह मशीन लर्निंग का भी उपयोग करता है, लेकिन भौतिकी-आधारित मॉडल का जोड़ इसे पूरी तरह नए क्षेत्रों में परीक्षण करने की अनुमति देता है जहाँ AI को “ट्रेन” करने के लिए कोई डेटा सेट नहीं है। यह Schrödinger (SDGR ) को एक अरब संभावित अणुओं से केवल 8 ठोस उम्मीदवारों तक कुछ ही दिनों में ले जाता है, पूरी तरह डिजिटल गणना के माध्यम से।

स्रोत: Schrodinger

Schrödinger ने 2020 में Bayer के साथ $10M राजस्व के लिए 5-वर्षीय सहयोग समझौता किया. The idea of the agreement is to use Schrödinger technology together with Bayer in-silico prediction models.

Lilly के साथ 2022 में, कुल $425M तक के माइलस्टोन भुगतान सफल खोज के लिए।

पिछली साझेदारियों में Takeda, Sanofi (SNW.DE ) (SNY ) Bristol Myers Squibb, और अन्य छोटे फार्मास्यूटिकल कंपनियां शामिल थीं।

समग्र रूप से, Schrödinger एक बढ़ता हुआ पोर्टफोलियो बना रहा है, जिसमें अधिक से अधिक स्वामित्व वाले और पूर्ण रूप से स्वामित्व वाले अणु शामिल हैं। वर्तमान में उसके पास अपने स्वामित्व पाइपलाइन में 8 उत्पाद हैं, जिनमें से 2 क्लिनिकल ट्रायल के चरण I में हैं। और 23 उत्पाद साझेदार कार्यक्रमों और सहयोगों में हैं, जिनमें 5 चरण I और 3 चरण II में हैं।

स्रोत: Schrodinger

हालांकि अभी तक राजस्व नहीं है, कंपनी अभी भी लाभदायक नहीं है, और अपनी तकनीक को सुधारने के लिए विस्तार और R&D खर्च पर ध्यान केंद्रित कर रही है। यह अल्पकाल में बड़ी चिंता नहीं होनी चाहिए, क्योंकि कंपनी के बैलेंस शीट में कई वर्षों के संचालन के बराबर नकद है।

यह दवा खोज से परे नए क्षेत्रों जैसे जटिल बायोफार्मास्यूटिकल्स या यहाँ तक कि रसायन, बैटरियां, या पॉलिमर जैसी सामग्री में विस्तार पर भी विचार कर रही है।

स्रोत: Schrodinger

निवेशकों को नई साझेदारियों पर नजर रखनी चाहिए, क्योंकि वे उद्योग के नेताओं द्वारा मूल्यांकित Schrödinger की तकनीक की प्रगति को दर्शाएंगी, साथ ही कोर तकनीक को नए बाजारों में विस्तार की संभावित सफलता को भी।

2. Exscientia

कंपनी AI का उपयोग करके सटीक उपचार विकसित कर रही है।

यह दवा खोज प्रक्रिया के प्रत्येक चरण में समर्पित सॉफ़्टवेयर के साथ एक “फुल स्टैक” AI दवा खोज तकनीक चलाता है।

स्रोत: Exscientia

मौजूदा अणुओं को देखने के बजाय, Exscientia का Precision Design AI कस्टम अणु डिज़ाइन करता है जो उसके Precision Target AI द्वारा पाए गए लक्ष्य से मेल खाते हैं।

Exscientia की तकनीक जैविक लक्ष्य से संबंधित दवा खोजने में आवश्यक समय को 70% तक कम करती है और प्रक्रिया को 80% अधिक पूंजी-कुशल बनाती है।

इससे प्रारंभिक क्लिनिकल चरणों में 4 यौगिक प्राप्त हुए, जो मुख्यतः ऑन्कोलॉजी (कैंसर) और सूजन रोगों पर केंद्रित हैं। कंपनी $4 बिलियन के प्री-कॉमर्शियल माइलस्टोन संभावनाओं को दर्शाती है।

स्रोत: Exscientia

कंपनी अभी केवल राजस्व दर्ज करना शुरू कर रही है, लेकिन उसके बैलेंस शीट पर कई वर्षों के खर्च को कवर करने के लिए पर्याप्त नकदी है।

AI-ड्रग डिस्कवरी और सटीक उपचार के संगम पर स्थित होकर, Exscientia चिकित्सा विज्ञान के दो सबसे परिवर्तनकारी क्षेत्रों को लक्षित कर रही है। Merck, Sanofi, और BMI के स्थापित साझेदारी से पता चलता है कि अन्य स्थापित फार्मास्यूटिकल कंपनियां भी इस प्लेटफ़ॉर्म को बड़ी संभावनाओं वाला मानती हैं।

3. Recursion Pharmaceuticals, Inc

RXRX मूल्य चार्ट

जितना अधिक AI दवा खोज और विकास में शामिल होगा, उतना ही डेटा AI को प्रशिक्षित करने के लिए मूल्यवान हो जाएगा।

जैव विज्ञान एक अत्यंत जटिल क्षेत्र है, जिसमें एकीकृत और सत्यापित डेटा कभी-कभी कमी में रहता है। यह एक गंभीर समस्या है क्योंकि कोई भी त्रुटि AI में पक्षपात, सीमाएँ और त्रुटियाँ उत्पन्न कर सकती है, जिससे उसे फिर से शून्य से प्रशिक्षित करना पड़ सकता है।

एक और समस्या आवश्यक डेटा की विशाल मात्रा है, जो मानवों की मैन्युअल रूप से उत्पन्न और व्यवस्थित करने की क्षमता से बहुत अधिक है।

इन सीमाओं का समाधान करने के लिए Recursion ने अपना प्लेटफ़ॉर्म बनाया है, जिसका मिशन “दवा खोज को एक खोज समस्या बनाना” है। यह ड्राई लैब (इन-सिलिको) और वेट लैब (जैविक नमूने) को निम्नलिखित के साथ संयोजित करता है:

• 1.7 मिलियन छोटे अणुओं की लाइब्रेरी।
• सेल कल्चर, CRISPR जीन एडिटिंग, घुलनशील कारक, जीवित वायरस, आदि।
• एक स्वचालित प्रयोगशाला रोबोटिक वर्कफ़्लो जो प्रत्येक सप्ताह अधिकतम 2.2 मिलियन प्रयोगों की अनुमति देता है।
• हाई-थ्रूपुट माइक्रोस्कोप और सीक्वेंसिंग सिस्टम।
• कैमरों से निरंतर वीडियो फ़ीड, जो पशु व्यवहारों के समग्र माप रिकॉर्ड करती है।
• उन्नत कम्प्यूटेशनल संसाधन, जिन्होंने >21 पेटाबाइट स्वामित्व वाले उच्च-आयामी डेटा उत्पन्न किए हैं।
• ADMET (अवशोषण, वितरण, मेटाबोलिज़्म, उत्सर्जन, और विषविज्ञान) डेटा।

यह प्रोटियोमिक्स (प्रोटीन स्तर), ट्रांसक्रिप्टोमिक्स (mRNA स्तर), फेनोमिक्स (सेलुलर रूपरेखा), ADMET और “इन-विवोनॉमिक्स” (पशु व्यवहार) के अद्वितीय (और विशाल) डेटासेट बनाता है। कंपनी भविष्य में अपने डेटासेट में मेटाबोलोमिक्स और जीनोमिक्स जोड़ने की भी योजना बना रही है।

यह डेटा की संपत्ति प्रारंभिक चरण में व्यापक उम्मीदवारों की रेंज की अनुमति देती है, लेकिन आगे चलकर फ़नल को संकीर्ण करती है। यह उच्च संभावित दवा उम्मीदवारों के विकास को भी तेज़ करना चाहिए।

स्रोत: Recursion

इस दृष्टिकोण की संभावनाएं फार्मास्यूटिकल दिग्गजों द्वारा अनदेखी नहीं हैं, जिसमें Fibrosis (Bayer) और Neuroscience (Roche-Genentech) में सहयोग बढ़ रहा है।

कंपनी ने जुलाई 2023 में NVIDIA से $50M का निवेश भी प्राप्त किया, जो AI कंप्यूटिंग हार्डवेयर का नया दिग्गज है। यह Recursion द्वारा मई 2023 में ड्रग केमिस्ट्री-फ़ोकस्ड प्रीक्लिनिकल स्टार्टअप्स, Cyclica और Valance, को कुल $87.5M में अधिग्रहित करने के तुरंत बाद हुआ।

कुल मिलाकर, कंपनी 50+ संभावित कार्यक्रमों और रॉयल्टी के साथ $13 बिलियन की संभावित माइलस्टोन पर नजर रख रही है।

टेक (NVIDIA) और फार्मास्यूटिकल (Bayer, Roche) कंपनियों के साथ साझेदारियां, साथ ही छोटे AI-ड्रग स्टार्टअप्स का अधिग्रहण, यह संकेत दे सकता है कि Recursion उद्योग की मुख्य धुरी और संभावित क्रमिक अधिग्रहणकर्ता बन रहा है, जिसका लक्ष्य जैविक डेटा को पहले कभी न देखी गई मात्रा में स्केल करने वाली पहली कंपनियों में से एक बनना है।