“Dengan menggunakan AWS, kami mengurangi hambatan dan mempercepat proses.”
David Hallett
Interim CEO and Chief Scientific Officer, Exscientia
Exscientia menggunakan kecerdasan buatan (AI) generatif di seluruh siklus desain-buat-uji-pelajari (DMTL) untuk menemukan terapi baru bagi pasien dengan cepat dan relatif murah. Metode penemuan obat konvensional dapat memakan waktu hingga 15 tahun dan menghabiskan biaya lebih dari 2 miliar dolar, dengan tingkat kegagalan rata-rata 90–96 persen karena para ilmuwan mencari kandidat obat tertentu di antara 1060 molekul kecil yang tersedia secara hayati.
Dibangun di Amazon Web Services (AWS), solusi DMTL inovatif Exscientia menggabungkan dalam desain silico—menggunakan algoritma AI generatif untuk merancang senyawa di cloud—dan robot otomatis yang membuat kandidat obat di laboratorium. “Kami menggunakan AI generatif untuk memecahkan masalah demi efisiensi dan efektivitas,” kata David Hallett, CEO sementara dan kepala staf ilmiah Exscientia. “Dengan memprediksi fitur molekuler obat yang aman dan efektif secara silico, kami meminimalkan jumlah eksperimen yang mahal. Platform kami, yang dibangun melalui kerja sama dengan tim AWS, dioptimalkan untuk kecepatan. Kami dapat mengulang banyak siklus pembelajaran DMTL, meningkatkan kandidat obat kami di setiap iterasi.”
Menggunakan AI Generatif untuk Penemuan Obat yang Lebih Efisien dengan Biaya yang Lebih Rendah
Bekerja mundur dari kebutuhan pasien, Exscientia mendefinisikan profil produk target (TPP) yang tepat yang menentukan kombinasi kompleks dari sifat-sifat yang dibutuhkan oleh obat yang ditoleransi dengan baik dan efektif. Insinyur AI merancang algoritma yang menghasilkan panel kandidat obat potensial untuk memenuhi TPP. Algoritma pembelajaran aktif membantu perancang ahli untuk memilih daftar pendek kandidat obat untuk disintesis di laboratorium, karena mereka memajukan TPP atau menyempurnakan model untuk siklus DMTL mendatang.
Algoritme Exscientia dilatih pada data farmakologi yang tersedia untuk umum dan data internal milik perusahaan yang dihasilkan dari sampel jaringan pasien, genomik, transkriptomik sel tunggal, dan literatur medis. Dengan mengodekan data sepanjang proses dan menganalisis hasil eksperimen serta siklus desain sebelumnya, Exscientia dapat mengoptimalkan siklus desain yang akan datang dan mempromosikan desain senyawa yang dapat disintesis secara fisik. Dengan menggunakan pendekatan iteratif yang menyadari sintesis yang dibangun di AWS, Exscientia membuat senyawa 10 kali lebih sedikit daripada rata-rata industri. “Idenya adalah untuk menghilangkan kelemahan kimia guna menghasilkan kandidat obat yang lebih aman dan efektif sebelum kita mengujinya pada pasien,” kata Hallett.
Exscientia telah mempercepat desain obat hingga 70 persen sekaligus menurunkan biaya modal hingga 80 persen, dibandingkan dengan tolok ukur industri. Menggunakan AI generatif dengan alat lain, Exscientia tidak hanya mengembangkan kandidat obat yang lebih baik dengan lebih cepat tetapi juga mengidentifikasi kombinasi obat yang tepat untuk diuji coba pada pasien di klinik.
Memotong Waktu dan Biaya Menggunakan Robotika Otomatis untuk Membuat Obat yang Lebih Baik
Exscientia telah menggabungkan peralatan laboratorium sintesis kimia dan pengujian biologi mutakhir dengan robot otomasi untuk menghindari penanganan peralatan laboratorium secara manual. Dengan demikian, labnya—yang diatur oleh layanan mikro AWS—dapat beroperasi 24/7 dengan pengawasan manusia yang minimal. “Ketika desain kami sudah siap, kami dapat menekan tombol, dan dalam beberapa hari, robot akan membuat obatnya,” kata Hallett. Dengan menjaga tingkat keamanan yang sangat tinggi dan pemulihan bencana yang komprehensif, Exscientia akan menggunakan kemampuan robotik otomatis ini untuk mengurangi jangka waktu pembuatan dan pengujian yang diakibatkan oleh kontrak penelitian lepas pantai tradisional yang digunakan di seluruh industri.
Saat perusahaan menutup siklus dengan laboratorium otomasi robotiknya, mereka mengharapkan peningkatan produktivitas lebih lanjut. Data yang dihasilkan di lab meningkatkan prediksi algoritmik dan mempercepat siklus DMTL.
Memperkenalkan Molekul yang Dirancang AI ke dalam Uji Klinis
Enam molekul yang dirancang Exscientia menggunakan AI telah memasuki uji klinis. “Dengan menggunakan AWS, kami mengurangi hambatan dan mempercepat alur kerja,” kata Hallett. “Dengan mengaktifkan putaran DMTL yang sangat terintegrasi dan otomatis ini, kami dapat membuat kandidat obat lebih cepat dan lebih hemat biaya.”
Layanan AWS yang Digunakan
Amazon Bedrock
Amazon Bedrock adalah layanan terkelola penuh yang menawarkan model fondasi (FM) beperforma tinggi dari perusahaan AI terkemuka, seperti AI21 Labs, Anthropic, Cohere, Meta, Mistral AI, Stability AI, dan Amazon melalui satu API, beserta rangkaian kemampuan luas yang Anda perlukan untuk membangun aplikasi AI generatif dengan keamanan, privasi, dan AI yang bertanggung jawab.
Amazon Elastic Container Service
Amazon Elastic Container Service (Amazon ECS) adalah layanan orkestrasi kontainer terkelola penuh yang membantu Anda men-deploy, mengelola, dan menskalakan aplikasi berkontainer dengan mudah.
Amazon Relational Database Service
Amazon Relational Database Service (Amazon RDS) adalah layanan basis data relasional yang mudah dikelola yang dioptimalkan untuk total biaya kepemilikan.
Amazon Simple Storage Service
Amazon Simple Storage Service (Amazon S3) adalah layanan penyimpanan objek yang menawarkan skalabilitas, ketersediaan data, keamanan, dan performa terdepan di industri.
Inovator Cloud Terkemuka di Eropa
Pelajari bagaimana organisasi terkemuka di Eropa di semua industri memercayai AWS untuk mendorong inovasi di setiap tingkat bisnis mereka.
Mulai
Organisasi dalam berbagai ukuran di semua industri mentransformasi bisnis mereka dan mewujudkan misi mereka setiap hari menggunakan AWS. Hubungi ahli kami dan mulai perjalanan AWS Anda sendiri sekarang juga.