Microsofts AI-baserede ab initio biomolekylære dynamiksystem (AI2BMD) markerer et grundlæggende skifte i, hvordan forskere griber lægemiddeludvikling og proteinforskning an. Teknologien, der er udviklet gennem fire års forskning og publiceret i Nature, lukker et afgørende hul i biomolekylære simuleringsmuligheder.
Traditionelle metoder til proteinsimulering har længe stået over for et vedvarende dilemma: Klassiske molekylære dynamiksimuleringer er hurtige, men mangler kemisk nøjagtighed, mens kvantekemiske metoder leverer præcision, men ikke kan skaleres til store biomolekyler. AI2BMD løser dette problem ved at anvende et nyt proteinsplitningsskema kombineret med maskinlæringsbaserede kraftfelter.
Systemet kan effektivt simulere proteiner med mere end 10.000 atomer med ab initio (førsteprincip) nøjagtighed, samtidig med at beregningstiden reduceres med flere størrelsesordener sammenlignet med konventionelle metoder. Dette gennembrud gør det muligt for forskere at observere proteinfoldning, udfoldning og interaktioner med potentielle lægemiddelkandidater på måder, der tidligere var umulige.
AI2BMD har allerede demonstreret sin praktiske værdi i virkelige anvendelser. I 2023 vandt systemet førstepladsen ved den første Global AI Drug Development-konkurrence ved præcist at forudsige en kemisk forbindelse, der binder til hovedproteasen fra SARS-CoV-2. Microsoft Research har desuden indgået samarbejde med Global Health Drug Discovery Institute, grundlagt af Gates Foundation, for at udnytte teknologien til at designe lægemidler mod sygdomme, der rammer lav- og mellemindkomstlande.
Systemets evne til at udføre yderst præcis virtuel screening af lægemiddelkandidater er ved at transformere tidslinjerne for farmaceutisk forskning. Opgaver, der tidligere tog år, kan nu gennemføres på måneder og kan potentielt fremskynde løsninger på presserende globale sundhedsudfordringer som tuberkulose og nye virustrusler.
Som en del af Microsofts bredere AI for Science-initiativ er AI2BMD et eksempel på, hvordan kunstig intelligens ikke blot kan lære menneskets sprog, men også naturens sprog – herunder molekyler, proteiner og biologiske systemer – for at løse menneskehedens mest presserende videnskabelige udfordringer.