Dimana semua obat AI?

Obat baru biasanya dimulai dengan tragedi.

Peter Ray tahu itu. Lahir di tempat yang sekarang bernama Zimbabwe, anak dari seorang mekanik dan teknisi radiologi, Ray melarikan diri bersama keluarganya ke Afrika Selatan selama Perang Pembebasan Zimbabwe. Dia ingat perjalanan di sana pada tahun 1980 dalam konvoi mobil lapis baja. Saat matahari berkobar, seorang prajurit mengajar Ray yang berusia 8 tahun cara menembakkan senapan mesin. Tapi ibunya terus berhenti. Dia merasa tidak enak badan.

Dokter di Cape Town mendiagnosis dia kanker. Ray ingat pergi ke perawatan radiasi dengannya, kamar rumah sakit, kantong kolostomi. Dia menyukai pantai, senang berjalan di sepanjang garis di mana air bertemu tanah. Tapi semakin sulit baginya untuk pergi. Terkadang dia pulang dari rumah sakit untuk sementara waktu dan sepertinya hal -hal akan menjadi lebih baik. Ray mendapatkan harapannya. Maka segalanya akan berantakan lagi. Pembedahan, radiasi, kemoterapi – perawatan yang ada di atas meja pada 1980 -an – segera kelelahan. Ketika dia berbaring sekarat, dia berjanji padanya bahwa dia akan membuat perbedaan, entah bagaimana. Dia berusia 13 tahun.

Ray belajar untuk menjadi ahli kimia obat, pertama di Afrika Selatan, mengambil pinjaman untuk mendanai studinya, kemudian di University of Liverpool. Dia bekerja di perusahaan obat Di Inggris, pada banyak proyek. Sekarang, pada usia 53, ia adalah salah satu perancang obat utama di sebuah perusahaan farmasi yang disebut Recursion. Dia banyak memikirkan janji itu kepada ibunya. “Itu hidup dengan saya sepanjang hidup saya,” katanya. “Saya perlu mendapatkan obat di pasaran yang berdampak pada kanker.”

Keinginan untuk menghentikan tragedi Anda sendiri terjadi pada orang lain mungkin menjadi motivator yang kuat. Tetapi prosesnya penemuan obat Selalu sangat, sangat lambat. Pertama, ahli kimia Seperti Ray Zero pada target mereka – biasanya protein, serangkaian asam amino panjang melingkar dan dilipat dengan sendirinya. Mereka memanggil modelnya di layar komputer mereka dan menontonnya berubah menjadi kekosongan hitam. Mereka mencatat kurva dan deklarasi di permukaannya, tempat -tempat di mana molekul, berlayar melalui kegelapan seperti pesawat ruang angkasa, bisa berlabuh. Kemudian, atom dengan atom, mereka mencoba membangun pesawat ruang angkasa.

Saat molekul baru sudah siap, para ahli kimia meneruskannya ke Ahli Biologisiapa yang mengujinya pada sel hidup di kamar hangat. Lebih banyak tragedi: Banyak sel mati, karena alasan yang tidak selalu jelas. Biologi itu kompleks, dan obat baru tidak berfungsi seperti yang diharapkan. Para ahli kimia harus membuat yang lain, dan yang lain, mengutak -atik, menyesuaikan, sering kali selama bertahun -tahun. Seorang ahli biologi, Keith Mikule Of Pengobatan insilicomemberi tahu saya tentang pengalamannya di perusahaan obat yang berbeda. Setelah lima tahun bekerja, molekul terbaik mereka memiliki efek samping yang tidak terduga dan berbahaya yang berarti mereka tidak bisa mengambilnya lebih jauh. “Ada tim besar ahli kimia, tim besar ahli biologi, ribuan molekul yang dibuat, dan tidak ada kemajuan nyata,” katanya.

Jika sebuah tim sangat beruntung, mereka mendapatkan molekul yang, pada tikus, melakukan apa yang seharusnya. Mereka mendapat kesempatan untuk memberikannya kepada sekelompok kecil sukarelawan manusia yang sehat, fase I uji coba. Jika sukarelawan tetap sehat, maka mereka memberikannya kepada lebih banyak orang, termasuk mereka yang memiliki penyakit yang dimaksud, dalam fase II. Jika orang sakit tidak menjadi sakit, mereka mendapat kesempatan – Fase III – untuk memberikannya kepada lebih banyak orang yang sakit, sebanyak yang mereka bisa temukan, sebanyak mungkin kelompok.

Pada setiap tahap, karena alasan hanya sedikit orang yang mengerti dan lebih sedikit yang dapat memprediksi, rakit -rakit obat yang hebat putus. Lebih dari 90 persen calon gagal di sepanjang jalan. Ketika Anda bertemu pemburu narkoba, Anda mungkin bertanya kepada mereka, dengan hati -hati, dengan lembut, jika mereka pernah memiliki narkoba. “Ini sangat jarang,” kata Mikule, yang memiliki satu obat (niraparib, untuk kanker ovarium) dengan namanya. “Kami unicorn.”

Tetapi Mikule, Ray, dan ahli kimia dan ahli biologi lainnya sedang mencoba pendekatan baru. Ketika saya berbicara dengan Ray, dia bersemangat untuk menunjukkan kepada saya sebuah molekul yang dia dan rekan -rekannya di rekursi telah bekerja. Ini adalah penghambat MALT1, yang dirancang untuk mengganggu pertumbuhan sel kanker darah. Di layarnya, REC-3565 adalah serangkaian cincin dan garis, pesawat ruang angkasa kerangka lain yang mengambang dalam kekosongan. Tapi itu juga ada di dunia nyata: hanya beberapa minggu sebelum obrolan saya dengan Ray, sukarelawan Fase I pertama menelannya dalam pil kecil. Apa yang istimewa dari molekul ini, kata Ray, bukan hanya bahwa ia telah selamat dari tantangan sejauh ini. Rec-3565 “tidak akan datang dengan desain manusia.” Tim Ray, menurutnya, tidak akan membuat lompatan logis yang diperlukan untuk mencapai titik ini tanpa menggunakan kecerdasan buatan.

Saat raksasa farmasi dunia terjebak AiRecursion adalah di antara sekelompok startup yang bertaruh semuanya pada teknologi. Didirikan 12 tahun yang lalu oleh akademisi di Utah, perusahaan membuat namanya dengan mengambil snapshot sel dalam berbagai kondisi, menciptakan basis data gambar yang luas, dan mengubah AI untuk mengidentifikasi target baru yang potensial. Tahun lalu, Recursion mengakuisisi startup yang telah berusia dekade-mantan majikan Ray, Exscientia-yang memelopori penggunaan AI untuk merancang molekul kecil. Ada yang lain, termasuk majikan Mikule Insilico, yang didirikan pada tahun 2014. Tahun lalu, Xaira Therapeutics diluncurkan dengan modal ventura $ 1 miliar – putaran pendanaan biotek terbesar dalam beberapa tahun. (Satu -satunya startup baru lainnya yang menarik sebanyak pada tahun 2024 adalah pengawas yang aman, didirikan oleh mantan atasan Openai peneliti.)

Tidak ada obat di pasaran yang dirancang menggunakan AI. Tetapi baik Recursion dan Insilico telah mendapatkan kandidat melalui uji klinis Fase II, yang berarti mereka aman pada pasien. REC-994 adalah untuk malformasi gua serebral, penyakit yang menyebabkan lesi otak, dan ISM001-055 adalah untuk fibrosis paru idiopatik, kondisi paru progresif dan fatal. Lebih banyak kandidat obat terkait AI sedang dalam pengembangan, dari insilico, rekursi, dan perusahaan lain, termasuk yang ditunjukkan Ray kepada saya.

Semua molekul ini, saat ini, seperti kartu yang tergeletak di atas meja. Bisakah AI membantu membuat obat -obatan yang benar -benar bekerja, lebih cepat dan lebih murah dari biasanya, atau apakah pemburu narkoba akan dibawa dengan tangan yang kalah?

Di musim panas tahun 1981, tajuk utama majalah Fortune menyatakan bahwa usia penemuan obat digital sudah dekat. Kisah ini mengeksplorasi bagaimana para ilmuwan menggunakan visualisasi komputer untuk memilih molekul terbaik untuk dicoba dalam sel, berharap untuk menerobos kemacetan. Derek Lowe, seorang ahli kimia obat yang menulis blog yang sudah berjalan lama Di dalam pipaingat bahwa artikel Fortune membuat beberapa pemburu narkoba pada saat itu gugup. Di perusahaan farmasi Schering-Plough, tempat ia bekerja, ada sebuah ruangan berlabel “Computer-Aided Drug Discovery (CADD),” yang dikemas dengan peralatan mahal. “Para ahli kimia obat di seberang aula tidak terlalu memikirkan hal itu,” kata Lowe kepada saya, “jadi mereka menaruh tanda di pintu mereka yang mengatakan ‘Badd: penemuan obat yang dibantu otak.’”

Komputer memang merevolusi segalanya. Tetapi masalah sulit penemuan obat tidak menguap dengan sentuhan kursor. Pemburu obat berpengalaman merujuk dengan nada kuning ke kimia kombinatorial, upaya untuk menemukan jenis obat baru dengan merakit potongan molekuler dalam urutan acak. ;

Jika ada, masalah sulit telah tumbuh lebih keras karena kompleksitas penuh biologi telah menjadi fokus. “Kami memiliki lebih banyak hal yang perlu dikhawatirkan daripada sebelumnya,” kata Lowe. Kanker dengan mutasi berbeda yang mendorong mereka merespons terapi yang berbeda. Obat -obatan yang melekat pada reseptor tertentu terkait dengan masalah jantung, dan dengan demikian setiap kandidat obat baru, tidak peduli seberapa menjanjikan, harus dihilangkan dari berjalan jika itu menunjukkan afinitas untuk reseptor itu.

Karen Billeci, seorang ahli biologi utama di Recursion, masih ingat satu kali pertama dia mendengar pemburu narkoba menyebutkan kecerdasan buatan. Satu fajar pada tahun 1993, Billeci sedang berjalan melintasi tempat parkir perusahaannya di tepi Teluk San Francisco dengan beberapa karyawan lainnya. Mereka bekerja di sebuah startup berkelahi bernama Genentech (kemudian diakuisisi oleh Roche dengan harga $ 47 miliar). Teman programmer Billeci sedang mengeksplorasi apakah jaringan saraf – suatu bentuk Pembelajaran Mesin—Sebuah dapat digunakan untuk menemukan pola dalam informasi pasien dan membantu mengungkapkan mengapa beberapa menanggapi obat dan yang lain tidak. “Obat -obatan hebat ini akan menjadi manusia, dan mereka akan gagal,” kata Billeci. Mereka berbicara di tempat parkir tentang apakah suatu hari nanti, akan ada perangkat lunak yang dapat belajar untuk melihat pola yang tidak bisa mereka lakukan. “Kami tidak mengatakan ‘kereta api,’” kenang Billeci. “Kami belum memiliki kata -kata untuk itu.”

Secara bertahap menjadi jelas, selama beberapa dekade berikutnya, bahwa AI mungkin melakukan lebih dari memilih pola dalam data pasien. Pada tahun 2020, sesuatu terjadi yang mengkristal apa yang mungkin terjadi. Dalam kompetisi global yang jatuh, AI yang dibangun oleh Alphabet’s DeepMind menunjukkan bahwa ia dapat memprediksi dengan benar bagaimana protein akan melipat ke dalam bentuk akhirnya – masalah keras kanonik dalam biologi dan tugas utama bagi pemburu obat. AI DeepMind dengan mudah mengalahkan semua kontestan lainnya. David Baker, seorang ahli biokimia di University of Washington, terinspirasi untuk menggali lebih dalam menggunakan AI untuk merancang protein narkoba baru, bekerja yang kemudian memenangkannya Hadiah Nobel 2024 untuk Kimia. “Tidak butuh waktu lama bagi kami untuk mengembangkan metode yang melampaui yang telah kami kembangkan sebelumnya,” katanya. (Baker adalah salah satu pendiri Xaira.)

Setelah itu, apa lagi yang mungkin terjadi dengan AI? Bagaimana jika itu ditunjukkan semua obat yang pernah ada, dengan semua data tentang cara kerjanya, dan kemudian dilepaskan pada database molekul yang belum dicoba untuk mengidentifikasi orang lain untuk dijelajahi? Bagaimana jika – dan di sinilah diskusi seputar pembelajaran mesin sekarang, pada tahun 2025 – perangkat lunak dapat mengambil bagian yang layak dari semua informasi tentang biologi yang dihasilkan oleh umat manusia dan, dalam suatu tindakan yang menyeramkan dan mendalam, menyarankan hal -hal yang sama sekali baru?

Kadang -kadang, kemanusiaan sedang belajar, AI menghasilkan hal -hal yang terlihat bagus pada pandangan pertama tetapi ternyata menjadi potpourris kata atau pikiran yang aneh, hanya apa pun yang tidak ada bedah. Fakta bahwa penemuan obat melibatkan pengujian kehidupan nyata yang luas membuat tidak mungkin bahwa saran seperti itu akan bertahan dari proses. Risiko terbesar halusinasi AI mungkin membuang -buang waktu dan sumber daya. Tetapi tingkat kegagalan obat baru sudah sangat tinggi sehingga para ilmuwan di startup ini berpikir risikonya layak dikonsumsi.

Peter Ray melihat inhibitor MALT1 mengambang di kekosongan. “Jika saya mendapatkan obat untuk dipasarkan, saya akan merasa telah memenuhi janji saya,” katanya. Dia menunjukkan di mana AI mengungkapkan cara untuk menghilangkan bagian molekul yang dapat menyebabkan toksisitas. Itu adalah reaksi yang tidak terjadi pada manusia yang terlibat.

Pertanyaan sebenarnya adalah apakah molekul yang dirancang menggunakan AI lebih baik dalam memasarkan. Beberapa tahap terakhir dari proses ini adalah yang paling mahal, yang paling tidak terduga. Dalam uji klinis apa pun, sulit untuk menemukan orang yang tepat, kata Carol Satler, wakil presiden pengembangan klinis di Insilico. Itu lambat. Dia khawatir tentang hal itu – dia telah membuat pilihan yang tepat, menghubungi dokter yang tepat, mengecualikan orang -orang yang tidak akan mendapat manfaat, termasuk mereka yang mungkin, untuk melihat apa yang bisa dilakukan obat itu. Pada saat obat mencapai persidangan, itu mewakili satu miliar dolar dan satu dekade dalam kehidupan ratusan, jika tidak ribuan, para ilmuwan. Satu pasien mendaftar. Lalu dua. Bulan berlalu. Waktu merangkak. “Meter selalu berjalan,” kata Satler. “Ini sangat mahal.”

Akhir tahun lalu, Segera setelah rekursi menyelesaikan akuisisi Exscientia, 300 pemburu obat-obatan dari kedua perusahaan berkumpul di ruang acara di London.

Aula konferensi pink-lit berdengung dengan berita Pengumuman yang dibuat hanya beberapa hari sebelumnya oleh Kepala Petugas Ilmiah Recursion. Molekul Rec-617, yang dikembangkan oleh Exscientia, telah diberikan kepada 18 pasien yang kanker terminalnya telah berhenti menanggapi perawatan lain. Uji klinis fase I dirancang untuk melihat kedua pasien dapat mentolerir kandidat obat dan apakah itu berpengaruh. Seorang pasien – seorang wanita dengan kanker ovarium yang telah kembali tiga kali – mengejutkan semua orang: dia hidup. Dia masih hidup setelah enam bulan perawatan. Karena persidangan dibutakan, tidak ada orang di Recursion atau Exscientia yang tahu siapa wanita ini dan apakah dia masih hidup sampai sekarang. Tetapi di ruangan itu, dia tampak pancaran dengan kehidupan.

Pengumuman itu berisi detail penting lainnya. Karena Exscientia menggunakan AI untuk mempersempit jumlah molekul kandidat sebelum salah satu dari mereka dibuat, itu bukan ribuan tetapi hanya 136 yang akhirnya diproduksi dan diuji dalam sel. ; Dengan gagal lebih cepat, logika – dengan menggunakan AI tidak hanya untuk menciptakan molekul baru tetapi juga untuk menguasai sebagian besar dari mereka sebelumnya – dimungkinkan untuk menurunkan biaya tahap pertama dari proses yang sangat mahal ini.

Di lobi pusat, sebuah kelompok pelarian dengan David Mauro, kepala petugas medis Recursion, Jakub Flug, seorang ahli kimia obat Exscientia, dan beberapa orang lain berdiri dalam lingkaran. Para karyawan memiliki kencan buta yang sangat besar. Mereka bertemu orang -orang yang belum pernah mereka lihat secara langsung, menceritakan kisah mereka, mencoba melihat bagaimana mereka semua akan cocok bersama. Mereka bergiliran memperkenalkan diri dan mengatakan mengapa mereka memilih untuk bergabung dengan perusahaan -perusahaan ini. Satu orang berkata: Saya di sini untuk bersenang -senang. Yang lain berkata: Saya di sini karena saya lelah melakukan sesuatu yang tidak saya percayai lagi. Lain: Saya di sini karena saya ingin benar -benar melepaskan obat ke pasar. Semua orang mengangguk pada yang satu ini.

Di lantai bawah, di ruang bawah tanah, Gibson juga memikirkan masa depan. Harapannya adalah bahwa rekursi meletakkan dasar untuk seperti apa penemuan obat akan seperti di seluruh industri, dimulai dengan delapan obat yang telah maju ke uji klinis dan segelintir di belakangnya, pada tahap praklinis. “Jika kita melakukan ini dengan benar, jika kita membangun sistem pembelajaran, 10 obat berikutnya setelah itu memiliki kemungkinan keberhasilan yang lebih tinggi. 10 obat berikutnya setelah itu, probabilitas keberhasilan yang lebih tinggi. Kami terus memperbaiki hal ini,” katanya.

Saya bertanya kepadanya tentang klaimnya, musim panas lalu, bahwa akan ada informasi tentang 10 atau lebih kandidat yang berbeda. Misa kritis ini, dengan informasi yang akan dipublikasikan di bolus besar, adalah tujuan yang diperhitungkan, ia mengatakan: Jika sekitar 90 persen obat gagal, maka rekursi perlu menunjukkan hasil sekitar 10 program yang berbeda hanya untuk melihat apakah mereka melakukan apa yang mereka harapkan. “Pada akhirnya, akan adil untuk menilai kami pada 10 pertama,” kata Gibson. “Itu cukup N. ” Dengan kata lain, ukuran sampel, untuk melihat apa yang bisa dilakukan pendekatan ini.

Suatu pagi yang dingin Akhir tahun lalu, saya pergi untuk melihat salah satu mesin penemuan Recursion. Patrick Collins, Direktur Otomasi, dan Su Jerwood, seorang ilmuwan utama dalam farmakologi, menunjukkan kepada saya ke sebuah ruangan seukuran supermarket kecil dengan lorong mesin dalam kasus kaca plat. Lampu putih seperti halo digantung di atasnya. “Kami punya biologi di satu sisi, kimia di sisi lain,” kata Collins. Sebuah kereta api magnet berulir melalui mesin, menghubungkan robot pipetting ke ruang inkubator. “Ini tentang desain, membuat, menguji, belajar, mengulang,” kata Collins. Dia mengindikasikan kasus botol dan bubuk, “semua blok bangunan, reagen, dan barang -barang.” Manusia menjaga mesin di atasnya.

Mesin -mesin ini, Jerwood menjelaskan, mengeluarkan molekul yang dibuat dari atom mentah, molekul yang telah diuji dan dieksplorasi oleh sistem AI di ruang virtual. Obat kandidat menetes ke nampan sel, dan sistem mengevaluasi efeknya. Ini baru, dan ada kekusutan yang harus dikerjakan. Beberapa bagian dari proses otomatis masih membutuhkan manusia untuk memindahkannya, kata Collins, dan rekursi mencari cara merampingkan aliran informasi ke dan dari AI. Tetapi ketika berhasil, para ilmuwan akan memiliki hasil dari ribuan tes yang bersinar di layar mereka. Sistem otomatis telah berjalan dan berjalan selama sekitar satu tahun, jadi itu tidak terlibat dalam membuat kandidat saat ini dalam uji klinis. Tapi itu membantu membuat narkoba di masa depan.

Ketika saya memeriksa mesin -mesin di kamar mereka yang murni, saya bertanya -tanya tentang apa artinya, sekarang, untuk menjadi tipe manusia yang suka berpikir tentang molekul, suka menjadikannya, yang kegembiraannya berasal dari pemahaman bagaimana mereka bekerja. Saya bertanya kepada Collins ini. Dia berpikir kembali ke saat ketika dia pertama kali mengkristal protein dengan tangan, pertama kali melihat molekul obat yang digenggam. “Aku ketagihan seumur hidup,” katanya. Alat -alat tradisional itu masih memiliki tempatnya. Tapi mungkin tidak ada di sini, di mana fokusnya mendapatkan sesuatu ke klinik secepat mungkin, sesuatu yang berhasil. “Kita semua mencoba memikirkan pasien,” kata Collins.

Jerwood memberinya jawaban: “Saya sangat lapar untuk sesuatu yang baru sepanjang waktu.” Berdiri di sana, di atas lab otomatis, dia membayangkan daerah kimia di mana belum ada yang pergi, struktur dan reaksi yang terletak di sisi jauh dari proses yang tidak diketahui. Matahari baru saja menarik diri ke cakrawala. Dia memikirkan semua hal yang mungkin dilakukan mesin, semua hal yang tidak akan dia lakukan lagi. “Terserah ruang yang tidak tersentuh, ya? Karena dengan begitu aku akan punya waktu untuk melihat ke ruang itu,” katanya. “Saya akan punya waktu untuk mengambil risiko itu.”

Namun, untuk beberapa peneliti farmasi, janji AI melampaui mendorong batas -batas ilmiah atau bahkan mengobati penyakit. Alex Zhavoronkov, CEO dan pendiri Insilico, mengatakan perusahaan mendukung target yang terlibat dalam penyakit dan penuaan. Kandidat obat untuk fibrosis paru idiopatik, misalnya, dirancang untuk mencegah jaringan parut paru -paru dengan meredam jalur biologis tertentu, tetapi juga dapat memperlambat penuaan sel -sel sehat. Zhavoronkov berharap untuk membawa obat baru ke klinik, mungkin lebih cepat dan lebih murah, bahkan ketika ia membuka perawatan baru untuk penyakit yang berhubungan dengan penuaan dan penurunan.

Ketika saya berbicara dengan Zhavoronkov, dia berada di retret di seluruh perusahaan di Chongqing, Cina. “Dalam 20 tahun, saya akan berusia 66 tahun,” katanya. “Saya melihat ayah saya ketika dia berusia 66 tahun, dan itu tidak cantik.” Dia jujur tentang memiliki harapan yang tinggi, tentang keinginannya untuk kecepatan dalam industri di mana kecepatan tidak selalu tersedia. Dia menunjukkan kepada saya video lab otomatis di Suzhou, Cina. “Kami membangunnya selama Covid,” katanya, menjelaskan bahwa beberapa ilmuwan laboratorium pada proyek bekerja sepanjang waktu, tidur di fasilitas, untuk menyelesaikan dan menjalankannya.

Ada sesuatu yang samar-samar tentang sains tentang pengaturan, dan tentang bentuk pragmatisme Zhavoronkov. Zhavoronkov memiliki bekas luka di lengannya di mana ia telah dihapus kulit untuk membuat sel induk pluripotent yang diinduksi, yang dapat diprogram ulang untuk tumbuh menjadi banyak jenis jaringan. “Jika Anda ingin membeli iPSC saya, hubungi kami. Kami akan mengirimkannya kepada Anda,” katanya. “Semakin banyak data tentang Anda di domain publik, semakin tinggi peluang Anda untuk mendapatkan perawatan yang sangat baik ketika Anda sakit, terutama dengan kanker.”

Dalam video lab, kamera meluncur melalui lorong hitam, lalu melalui anteroom, melewati dinding kaca. Kaca dapat redup, jika pekerjaan yang terjadi di belakangnya bersifat rahasia. Di belakang dinding adalah mesin yang penuh dengan nampan reagen dan sel, dengan lengan yang berputar saat mereka memindahkan komponen di sekitar. Manusia jarang dibutuhkan.

Cepat atau lambat, Dalam beberapa bentuk, alat AI akan menjadi standar dalam penemuan obat, mencurigai Derek Lowe, ahli kimia obat dan blogger. Dia menyebut dirinya pesimis jangka pendek, optimis jangka panjang tentang hal-hal ini. Itu terjadi berulang kali di industri: Strategi baru tiba, naik gelombang hype, crash and burn. Kemudian beberapa dari mereka, dalam beberapa bentuk, bangkit kembali dan diam -diam menjadi bagian dari apa yang normal. Sudah, perusahaan farmasi besar-raksasa penemuan obat-sedang memulai kelompok penelitian terkait AI mereka sendiri. Rekursi, sementara itu, sedang mengeksplorasi penggunaan AI tidak hanya untuk memimpikan dan menguji molekul -molekul baru tetapi juga untuk menemukan peserta percobaan, melaju di sepanjang langkah terakhir yang paling mahal untuk dipasarkan.

Transformasi tidak akan terjadi tanpa korban. “Teknik -teknik ini, baik bagian otomatisasi dan perangkat lunak, akan membuat lebih banyak hal yang meluncur ke dalam kategori ‘manusia tidak melakukan pekerjaan gerutuan seperti itu,” kata Lowe. Sejumlah besar pekerjaan yang dipegang oleh ahli kimia manusia akan keluar dari keberadaan. Mereka yang tahu cara menggunakan mesin akan menggantikan orang -orang yang tidak, “kata Lowe. Bahkan Peter Ray tidak lagi merasa akurat untuk menggambarkannya sebagai ahli kimia obat. “Aku sesuatu yang lain,” renungnya. “Aku tidak tahu harus menyebutnya apa, jujur saja.”

Dalam bulan -bulan sejak tanggal buta di London, rekursi telah mengumumkan dua kandidat obat yang memasuki uji klinis, inhibitor MALT1 dan molekul untuk kanker paru -paru. Obat untuk penyakit pencernaan sudah dalam percobaan. Insilico sedang dalam proses mencoba maju ke percobaan fase III untuk obat fibrosis paru idiopatik, dengan Carol Satler di telepon ke dokter. Kartu sedang dibalik, satu per satu. Ray kadang -kadang berlari, melalui lingkungannya di dekat Dundee, Skotlandia, dan memikirkan ibunya.

Gibson merenungkan permainan panjang yang dia lihat bermain rekursi. Cara itu diwarnai dengan urgensi. Ya, mereka ingin mengubah dunia. Dan secara pribadi, dia pikir sudah terlalu lama dalam datang. “Ada banyak orang di sini yang telah kehilangan orang yang dicintai atau beberapa orang yang dicintai karena penyakit tertentu,” katanya. “Mereka kesal. Mereka di sini karena mereka ingin membalas dendam karena kurangnya kesempatan yang dimiliki anggota keluarga, atau teman, atau anak itu.” Meternya berdetak, berjumlah hari -hari, karena obat -obatan bergerak melalui uji coba dan semua orang menunggu untuk melihat apa yang terjadi.

Waktu adalah hal yang kita semua kehabisan. Beberapa dari kita lebih cepat dari yang lain.

Beri tahu kami pendapat Anda tentang artikel ini. Kirimkan surat kepada editor di mail@wired.com.