Isomorphic Labs मध्ये AI-डिझाइन केलेली औषधे मानवी चाचणीच्या आणखी जवळ

AI drug-discovery बाबतचा एक मोठा दावा नव्या टप्प्यावर पोहोचला

Google DeepMind च्या spinoff असलेल्या Isomorphic Labs ने, जी AlphaFold-चालित drug discovery भोवती उभी आहे, आपल्या AI तंत्रज्ञानाने डिझाइन केलेल्या औषधांच्या मानवी trials सुरू करण्याची तयारी करत असल्याचे सांगितले आहे. ही माहिती कंपनीचे president Max Jaderberg यांनी लंडनमधील WIRED Health मध्ये दिली, जिथे त्यांनी startup ने “broad and exciting pipeline of new medicines” तयार केल्याचे आणि आता क्लिनिकमध्ये जाण्याच्या तयारीत असल्याचे सांगितले.

हे विधान महत्त्वाचे आहे, कारण ते AI-drug कथेला laboratory promise मधून clinical accountability कडे नेत आहे. अनेक वर्षांपासून biotech क्षेत्रातील कंपन्या machine learning चा वापर करून चांगली औषधे जलद शोधता येतील, असा युक्तिवाद करत आहेत. मानवी चाचणी म्हणजे ही संकल्पना मोजली जाते ती जागा.

Isomorphic काय उभारत आहे

Isomorphic Labs ची स्थापना 2021 मध्ये Google DeepMind पासून spinoff म्हणून झाली. त्याचे काम AlphaFold शी घट्ट जोडलेले आहे, ज्याने protein structure prediction मध्ये क्रांती घडवली. 2020 मध्ये DeepMind ने AlphaFold 2 सादर केले, आणि पुढील वर्षी open-source version व्यापक वैज्ञानिक वापरासाठी प्रसिद्ध केला. 2024 मध्ये DeepMind आणि Isomorphic Labs यांनी AlphaFold 3 सादर केले, ज्याने system ला proteins च्या पलीकडे DNA, RNA सारख्या molecules आणि proteins सोबतच्या त्यांच्या interactions पर्यंत विस्तारित केले.

ही प्रगती drug discovery साठी अत्यंत महत्त्वाची आहे. source text नुसार, हे platform एका small molecule ला target शी कसे bind होईल आणि आणखी कशाशी bind होऊ शकते हे भाकीत करण्यास मदत करू शकते. प्रभावी आणि सुरक्षित औषधे तयार करताना हेच मूलभूत प्रश्न असतात.

वैज्ञानिक पार्श्वभूमी मोठी आहे. source नुसार, AlphaFold ने संशोधकांना ज्ञात असलेल्या जवळजवळ 200 million proteins चे structure भाकीत केले आहे आणि 190 देशांमधील 2 million हून अधिक लोकांनी ते वापरले आहे. Demis Hassabis आणि John Jumper यांना chemistry साठी Nobel Prize मिळाल्यावर त्याचा प्रभाव सर्वोच्च स्तरावर मान्य करण्यात आला.

clinical trials ही खरी चाचणी का आहे

AI in drug discovery विषयी उत्साह असूनही, क्षेत्राची सार्वजनिक कहाणी बराच काळ patient data ऐवजी promise वर उभी राहिली आहे. कंपन्या computational advances, target-selection improvements, preclinical pipelines दाखवू शकतात, पण त्यातून AI-डिझाइन केलेली molecules मानवांमध्ये यशस्वी होतील हे सिद्ध होत नाही. त्यामुळे Isomorphic चे update वेगळे ठरते.

कार्यक्रमादरम्यान Jaderberg यांनी निश्चित timeline दिली नाही, आणि लेखात म्हटले आहे की ही वाटचाल पूर्वीच्या अपेक्षांपेक्षा उशिरा आली आहे. गेल्या वर्षी CEO Demis Hassabis यांनी 2025 च्या अखेरीस AI-डिझाइन केलेली औषधे clinical trials मध्ये असतील, असे सांगितले होते. तरीही सध्याचा संदेश स्पष्ट आहे: कंपनी आता त्या उंबरठ्याजवळ पोहोचत असल्याचे सांगते.

हीच ती जागा आहे जिथे efficiency, accuracy, आणि molecular insight याबाबतची व्यापक दावे medicine development च्या वास्तवांना सामोरे जातात. मानवी trials केवळ एखादे molecule target ला भिडू शकते का ते पाहत नाहीत, तर ते सहन होते का, शरीरात अपेक्षेनुसार वागते का, आणि अंदाजित biology clinical benefit मध्ये रूपांतरित होते का तेही तपासतात.

biotech साठी व्यापक महत्त्व

Isomorphic लवकरच clinical testing मध्ये प्रवेश करत असेल, तर तो milestone एका startup पेक्षा खूप दूरपर्यंत परिणाम करेल. AI enable करणाऱ्या research tool मधून थेट therapeutic design engine मध्ये रूपांतर होऊ शकते का याचा तो सर्वात स्पष्ट प्रारंभिक संकेत असेल.

याचा अर्थ असा नाही की एका program चे यश किंवा अपयश संपूर्ण प्रश्न सोडवेल. Drug development इतके सोपे नाही. पण पहिल्या clinical evidence चा टप्पा investor, pharmaceutical partner, आणि regulator AI-first biotech कंपन्यांच्या वाढत्या क्षेत्राकडे कसे पाहतील ते ठरवेल.

कंपनीची स्थितीही महत्त्वाची आहे, कारण ती elite AI research आणि drug-development ambition यांच्या संगमावर आहे. AlphaFold ने आधीच biology कडे पाहण्याची पद्धत बदलली आहे. पुढचा प्रश्न आहे की, ही समज मोठ्या प्रमाणावर approved therapies मध्ये रूपांतरित करता येईल का.

protein prediction पासून medicine पर्यंत

Isomorphic च्या कामामागचा मुख्य दावा फक्त जलद computation नाही. biological systems एकत्र कसे बसतात याचा अधिक सविस्तर आराखडा घेऊन molecules डिझाइन करण्याची शक्यता हा तो दावा आहे. proteins, DNA, RNA, आणि इतर molecules यांच्यातील interactions model करण्याची AlphaFold 3 ची क्षमता platform ला medicinal chemistry ला प्रत्यक्ष उत्तर द्यावे लागणाऱ्या प्रश्नांच्या अधिक जवळ आणते.

म्हणूनच मानवी trials कडे जाणे लक्षवेधी ठरते. हे scientific infrastructure मधून clinical product development कडे झालेल्या संक्रमणाचे लक्षण आहे. अनेक technologies संशोधकांना biology अधिक चांगल्या प्रकारे समजण्यास मदत करतात. फारच थोड्या technologies ही दीर्घ वाट पार करून औषध बनतात.

सध्या, या घोषणेला सिद्ध झालेला निष्कर्ष म्हणून नव्हे तर एक निर्णायक टप्पा म्हणून वाचणे योग्य ठरेल. कंपनी म्हणते ती क्लिनिकच्या जवळ आहे, आणि येणाऱ्या trials मधून AI च्या सर्वाधिक प्रशंसित scientific advances पैकी एक स्क्रीनवरील predictions ऐवजी रुग्णांमध्ये परिणाम देण्यास सुरुवात करू शकते का हे स्पष्ट होईल.

हा लेख Wired च्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.