Atomic AI 執行長兼短片人Raphaël Townshend 表示，將AI 和RNA 連接在一起進行藥物發現需要的不僅僅是「以某種方式在事物上灑一些AI 發光，這會很棒」。公司和衍生公司很早就選擇與大型製藥公司合作，但成立於2021 年的Atomic AI 尚未公開暴露這條路徑。 」 Atomic AI正在產生訓練其基於人工智能（AI）的RNA結構模型所需的資料。

原子人工智慧

Atomic AI 專輯人兼執行長 Raphaël Townshend。

Townshend 表示，為了訓練人工智能算法，「95% 的工作首先是獲取正確的數據。」Atomic AI 的團隊進行了自己的濕實驗室實驗，以補充有關 RNA 結構的稀疏公共數據。蛋白質結構並使用蛋白質資料庫中的資料作為訓練資料）的Google DeepMind團隊不同，Townshend及其同事在與斯坦福大學生物化學家Rhiju Das實驗室共同開發工具時僅從18個已知結構預測開始RNA序列預測RNA複雜的三維結構。 科學¹。

Atomic AI 團隊一直在透過濕實驗室實驗收集數據，為他們的AI 驅動結構探索(PARSE) 平台提供數據。 Ramarao表示，PARSE 和 ATOM-1「是公司和我們所做工作的基礎。」他在 Bristol Myers Squibb 工作了 12 年，並於 2023 年 10 月加入 Atomic AI。²，讓他們在缺乏真實數據的情況下對RNA結構進行建模。

為RNA 治療領域的新進業者提供支持的成功包括基於mRNA 的COVID-19 疫苗和已批准的藥物，例如Spinraza (nusinersen)，這是一種反義寡核苷酸，可修改RNA 剪接與治療阻斷性然而，根據一份報告³ 美國國家科學、工程和醫學院指出，「使用基於RNA的技術治療人類還處於起步階段。」原子人工智慧希望有助於該領域的發展，因為它著眼於腫瘤學、神經系統疾病和神經退化方面的應用。

而湯森德在斯坦福大學與羅恩·德羅爾一起攻讀電腦病，他的職業生涯可能會走向自動駕駛汽車的軌道。的位置。生物學上的感受和計算方面的技能，並建立了原子人工智能現在用於預測 RNA 三維結構的平台。

加州大學聖地牙哥研究院研究員Gene Yeo 表示，RNA 比DNA 更難下藥，他是Atomic AI 的顧問，並接受了Townshend 的共同訪談。可以調節RNA的功能和功能。

原子人工智慧科學家使用化合物庫來修改特定的RNA核苷酸，透過定序讀取變化並評估RNA的神經二維和三維結構是如何改變的。支撐ChatGPT等大型語言模型的模型。輸入到模型建構中自己的數據。

Ramarao 表示，濕實驗室和建模團隊合作並迭代，將選擇性和有效特徵放到目前先導分子中。解決了有關化學或結構的具體問題。作用Carter 說，標靶類型會有所不同，因此可能會直接與 RNA 結合，或者必須考慮蛋白質驅動過程對 RNA 的活性。因此，在評估RNA結構時，Atomic AI團隊專注於蛋白質結構和行為。

Yeo說，華麗，是什麼讓化合物和配體比其他化合物和配體更可能與RNA對接 這些特徵包括它們是帶正電荷的、嵌入塔糖苷類的柔性分子。此找到最有前景的。無法成藥的標靶提供了先前潛在的治療益處。

佛羅裡達大學斯克里普斯生物醫學創新與技術研究所的Matthew Disney（不隸屬於Atomic AI）表示，標靶RNA也意味著在二維和三維空間中導航屬於RNA的環和符號。庫不是RNA資料庫，需要更多有關RNA的結構信息，尤其是配體結合結構。較不明確，並且可能包括高相互作用能量作用。是「最佳力場的語言」。

Disney表示，RNA治療的功效很重要，但選擇性也很重要。在治療癌症時，脫靶效應可能是可以耐受的，但當患者終生服用藥物時，這種情況在遺傳中就會改變。

Disney表示，對於RNA療法，就像在更廣泛的生物技術領域一樣，新創公司必須在平台建設與尋找生物活性化合物之間最終取得平衡，才能進入臨床。化合物來實現目標，“但它可能會回到平台”，因為平衡平台和生物活性化合物對於投資者創造價值至關重要。