Medicamento para fibrose pulmonar idiopática desenvolvido por inteligência artificial pela Insilico Medicine entra na fase III de ensaios clínicos.

Medicina In Silico está avançando para Ensaios clínicos de fase III em humanos para testar um medicamento identificado por inteligência artificial direcionado fibrose pulmonar idiopática (FPI)Essa progressão fornece ao setor de descoberta computacional de medicamentos casos de teste empíricos, permitindo que um medicamento desenvolvido por IA avance além das avaliações iniciais de segurança até a validação de eficácia em estágio avançado.

A fibrose pulmonar idiopática (FPI) destrói a capacidade respiratória por meio de cicatrizes graves no tecido pulmonar. Os pacientes geralmente apresentam um quadro clínico anormal. taxa de sobrevida mediana de dois a quatro anos após o diagnóstico.O medicamento identificado por IA, rentosertib, inibe a quinase que interage com TRAF2 e NCK para tratar os mecanismos subjacentes da doença quando administrado por via oral.

📊 Resultados do Ensaio Clínico de Fase IIa

Um ensaio randomizado avaliou 71 pacientes em 22 centros clínicos na ChinaOs participantes foram divididos em dois grupos: um que recebeu placebo e outro que recebeu o tratamento ativo. Os pesquisadores administraram doses diárias de 30 mg ou 60 mg durante um período de observação de 12 semanas.

Pacientes designados para o Regime de 60 mg uma vez ao dia demonstraram um ganho médio de capacidade vital forçada de +98,4 mL, contrastando fortemente com o Perda de capacidade de 20,3 mL registrado no grupo placebo.

Os perfis de segurança permaneceram controláveis, com eventos adversos refletindo as taxas basais esperadas em todos os braços do estudo. As autoridades regulatórias do Administração de Alimentos e Medicamentos dos EUA (FDA) garantido 'Designação de medicamento órfão' ao ativo em fevereiro de 2023.

🧬 Priorização Algorítmica de Alvos por meio de Multi-Ômicas

O desenvolvimento depende inteiramente de Pharma.AI, o pipeline computacional proprietário operado na Insilico Medicine. O fluxo de trabalho se segmenta em mecanismos distintos que lidam com tarefas específicas de engenharia biológica e química.

PandaOmics Executa a fase inicial de descoberta de alvos. O sistema ingere vastos conjuntos de dados biológicos, processando genômica, resultados de ensaios clínicos, literatura acadêmica e informações de patentes para construir modelos abrangentes de redes biológicas. Os algoritmos aplicam mecanismos de inferência causal para identificar novas ligações entre doenças ocultas na arquitetura dos dados.

A PandaOmics isolou TNIK como o principal alvo biológico no que diz respeito à intervenção na FPI. O sistema computacional contornou as vias do receptor tirosina quinase visadas pelos medicamentos antifibróticos existentes.

O software mapeou o TNIK como um nó central regulador. fibrose e inflamação via Canais de sinalização Wnt, TGF-β, Hippo/YAP-TAZ, JNK e NF-κBO processo de seleção de alvos integrou uma estrutura de características do envelhecimento, classificando alvos biológicos com base em sua implicação em múltiplos mecanismos de envelhecimento, inflamação crônica e remodelação da matriz extracelular.

Feng Ren, PhD, co-CEO e diretor científico da Insilico Medicine, disse: "A fibrose pulmonar idiopática (FPI) é um dos exemplos clínicos mais claros de uma doença relacionada à idade, na qual fibrose, inflamação crônica, remodelação da matriz extracelular e senescência celular se intercruzam."

"O rentosertib não foi descoberto partindo de um alvo convencional e simplesmente selecionando mais compostos. Ele surgiu de uma Fluxo de trabalho de IA com foco na biologia e informado pelo envelhecimento. que conectou a TNIK aos mecanismos de doenças fibróticas e inflamatórias e, em seguida, usou química generativa para criar um candidato a medicamento com as propriedades necessárias para o desenvolvimento clínico."

⚗️ Execução de Engenharia Molecular Generativa

Após a seleção do alvo, o Química42 O mecanismo executa o design molecular generativo. O sistema se diferencia das metodologias tradicionais de triagem de alto rendimento. O Chemistry42 não pesquisa bibliotecas de compostos existentes; em vez disso, o sistema aplica Aprendizado Generativo por Reforço Tensorial Construir moléculas que se alinhem fisicamente com o sítio de ligação da proteína alvo. Esse processo de engenharia algorítmica equilibra o ajuste estrutural com as propriedades farmacológicas necessárias.

A fase de geração computacional sintetizou exatamente 79 moléculas físicas para serem submetidos a testes. A equipe de engenharia selecionou o 55ª iteração para avançar para os testes pré-clínicos. Este protocolo de geração direcionada reduziu o cronograma desde o início do projeto até a nomeação do candidato pré-clínico para 18 meses.

A arquitetura fundamental deriva da publicação da empresa em 2019. Metodologia GENTL Na revista Nature Biotechnology, a plataforma estabelece sistemas reproduzíveis que regulam a geração molecular, evitando os processos de tentativa e erro que demandam grande investimento de capital e que definem a química farmacêutica padrão.

🔬 Validação do impacto biológico por meio de análises proteômicas

A avaliação clínica integra análises proteômicas complexas para validar as interações biológicas previstas algoritmicamente. A Medicina Insilico utiliza estruturas internas de relógio biológico proteômico no ensaio clínico de FPI (Fibrose Pulmonar Idiopática) para capturar dados exploratórios de gerontologia.

Relógios proteômicos de idade cronológica – incluindo ProtAge, OrganAgechrono, ipfP3GPT e PAOPAC – Rastrear as alterações previstas na idade biológica resultantes da intervenção. Os pesquisadores aplicam as trajetórias associadas à idade do UK Biobank como conjuntos de dados de comparação externa, contextualizando as proteínas responsivas ao tratamento em relação a dados populacionais amplos.

Relógios proteômicos relacionados ao risco de mortalidade, incluindo PAC e OrganAgemortality, fornecem fluxos analíticos ortogonais juntamente com os endpoints clínicos padrão. As equipes clínicas executam Análises de assinatura SenMayo e CellAge Avaliar a senescência e a biologia do fenótipo secretor associado à senescência em modelos celulares.

Pesquisa revisada por pares publicada em Envelhecimento e Doença confirmou que a inibição farmacológica de TNIK produz atividade senomeórfica, gerando reduções observáveis ​​nos indicadores de remodelação da matriz extracelular.

📚 Documentando o Pipeline Computacional

A transição do rentosertib ao longo do processo clínico fornece um rastro de dados documentado e revisado por pares, essencial para verificar as capacidades da IA ​​nas ciências da vida. Biotecnologia da Natureza A publicação descreve todo o processo, da descoberta à fase clínica. Nela, são detalhados a priorização algorítmica do alvo TNIK, os resultados da química generativa, os dados de eficácia pré-clínica e a farmacocinética em humanos na Fase I.

Revista de Química Medicinal Publicaram a validação da biologia estrutural, detalhando a descoberta dos novos quimiotipos inibidores de TNIK e fornecendo suporte estrutural por meio da estrutura do co-cristal do domínio da cinase TNIK. Medicina Natural Documentou os dados de segurança e função pulmonar da Fase IIa, fornecendo validação empírica das previsões computacionais.

Alex Zhavoronkov, PhD, fundador e CEO da Insilico Medicine, comentou: "O Rentosertib é um programa fundamental para a Insilico porque representa a totalidade da nossa missão: usar a IA não apenas para avançar mais rapidamente, mas também para criar novas oportunidades em biologia, química e terapias."

"Este programa começou com a hipótese de que" A biologia do envelhecimento pode ajudar a identificar alvos importantes para doenças graves.Agora, o projeto avançou pelas fases de descoberta de alvos, design molecular, validação pré-clínica, segurança da Fase I, dados clínicos randomizados da Fase IIa e chegou à Fase III de desenvolvimento. Para o campo da descoberta de fármacos por IA, isso não é mais apenas uma questão de velocidade — é uma verdadeira jornada. história de tradução clínica"

⚡ Ponto-chave: A adoção da IA ​​na indústria biofarmacêutica requer dados verificáveis ​​sobre os resultados em humanos. Ensaio de fase III Submete os algoritmos generativos ao teste definitivo de eficácia clínica, marcando um marco significativo no desenvolvimento de medicamentos impulsionado por IA.