AgPlenus julkaisee tekoälymallin sienilääkkeiden tehon ennustamiseen
AgPlenus on lanseerannut uuden tekoälymallin, joka ennustaa sienilääkkeiden tehoa molekyylirakenteiden perusteella. Malli pyrkii nopeuttamaan ja tehostamaan uusien kasuojelutuotteiden kehitystä.
Israelilainen AgPlenus Ltd. on ilmoittanut uuden tekoälymallinsa, Antifungal Potency Predictor (APP), lanseerauksesta. Malli pystyy ennustamaan pienten molekyylien sienilääkevahvuutta suoraan niiden kemiallisten rakenteiden perusteella. Tämä laajentaa Evogenen ChemPass AI for Ag™ -alustan kyvykkyyksiä ennustamalla biologista tehokkuutta ennen kemiallista synteesiä ja sienitestauksia.
Kasvitautien aiheuttamat merkittävät sadonmenetykset ja kasvava resistenssi nykyisille sienilääkkeille luovat tarpeen uusille, tehokkaille suojausmenetelmille. Maailmanlaajuisten sienitautien arvioidaan aiheuttavan kymmenien miljardien dollareiden taloudellisia menetyksiä vuosittain ja uhkaavan ruokaturvaa. Uusia, innovatiivisilla toimintamekanismeilla varustettuja sienilääkkeitä tarvitaan kipeästi.
APP-malli on kehitetty käyttäen kehittyneitä koneoppimisalgoritmeja, jotka on koulutettu AgPlenusin omilla, kuratoiduilla datajoukoilla. Se ennustaa sienilääkkeiden tehoa jo varhaisessa vaiheessa, ennen molekyylien valmistusta ja testausta. Tämä vähentää merkittävästi kokeellista arviointia vaativien molekyylien määrää ja kohdentaa resursseja todennäköisemmin menestyviin ehdokkaisiin.
Mallin odotetaan nopeuttavan AgPlenusin omia sienilääkekehitysohjelmia, mukaan lukien APTF-1-kohteen kehittäminen Septoria wheat blotch -taudin torjuntaan. Lisäksi se tukee laajentumissuunnitelmia muita tärkeitä patogeenejä, kuten Botrytis ja Fusarium, vastaan. AgPlenus ja Evogene suunnittelevat mallin pohjalta myös muiden ennustavien tekoälymallien kehittämistä.
AgPlenus on Evogenen tytäryhtiö, joka keskittyy uusien, kestävien kasuojelutuotteiden kehittämiseen. Sen emoyhtiö Evogene on erikoistunut tekoälypohjaiseen molekyylien suunnitteluun lääke- ja maatalousalan sovelluksiin.