AI Digunakan Untuk Membuat Molekul Obat Yang Bisa Melawan Fibrosis

Membuat obat medis baru adalah proses rumit yang dapat memakan waktu penelitian bertahun-tahun dan miliaran dolar. Namun itu juga merupakan investasi penting untuk kesehatan masyarakat. Kecerdasan buatan berpotensi membuat penemuan obat baru lebih mudah dan jauh lebih cepat jika pekerjaan baru-baru ini dari startup Insilico Medicine terus membuat kemajuan. Seperti dilansir dari SingularityHub, startup AI baru-baru ini menggunakan AI untuk merancang molekul yang dapat memerangi fibrosis.

Mengingat betapa rumit dan memakan waktu proses penemuan molekul baru untuk obat, para ilmuwan dan insinyur terus mencari cara untuk mempercepatnya. Gagasan menggunakan komputer untuk membantu menemukan obat baru bukanlah hal baru, karena konsep tersebut telah ada selama beberapa dekade. Namun, kemajuan di bidang ini lambat, dengan para insinyur berjuang untuk menemukan algoritme yang tepat untuk pembuatan obat.

Pembelajaran mendalam telah mulai membuat penemuan obat berbasis AI lebih layak, dengan perusahaan farmasi banyak berinvestasi dalam startup AI selama beberapa tahun terakhir. Satu perusahaan telah berhasil menggunakan AI untuk merancang molekul yang dapat melawan fibrosis, hanya membutuhkan waktu 46 hari untuk memimpikan molekul yang menyerupai obat terapeutik. Insilco Medicine menggabungkan dua teknik pembelajaran mendalam yang berbeda untuk mencapai hasil ini: pembelajaran penguatan dan jaringan permusuhan generatif (GAN).

Pembelajaran penguatan adalah metode pembelajaran mesin yang mendorong model pembelajaran mesin untuk membuat keputusan tertentu dengan memberikan umpan balik kepada jaringan yang menghasilkan respons tertentu. Model tersebut dapat dihukum karena membuat pilihan yang tidak diinginkan atau diberi penghargaan karena membuat pilihan yang diinginkan. Dengan menggunakan kombinasi penguatan negatif dan positif, model dipandu untuk mengambil keputusan yang diinginkan, dan akan cenderung mengambil keputusan yang meminimalkan hukuman dan memaksimalkan imbalan.

Sementara itu, jaringan permusuhan generatif adalah "bermusuhan" karena mereka terdiri dari dua jaringan saraf berbeda yang diadu satu sama lain. Kedua jaringan diberi contoh objek untuk dilatih, seringkali gambar. Tugas satu jaringan adalah membuat objek palsu, sesuatu yang cukup mirip dengan objek asli sehingga dapat disalahartikan sebagai artikel asli. Tugas jaringan kedua adalah mendeteksi objek palsu. Kedua jaringan mencoba mengungguli jaringan lain, dan karena keduanya meningkatkan kinerjanya untuk mengatasi jaringan lain, perlombaan senjata virtual ini mengarah ke model palsu yang menghasilkan objek yang hampir tidak dapat dibedakan dari yang asli.

Dengan menggabungkan GANS dan algoritme pembelajaran penguatan, para peneliti dapat membuat model mereka menghasilkan molekul obat baru yang sangat mirip dengan obat terapeutik yang sudah ada.

Hasil eksperimen Insilico Medicine dengan penemuan obat AI baru-baru ini dipublikasikan di jurnal Nature Biotechnology. Dalam makalah tersebut, para peneliti membahas bagaimana model deep learning dilatih. Para peneliti mengambil representasi molekul yang sudah digunakan dalam obat-obatan untuk menangani protein yang terlibat dalam fibrosis paru idiopatik atau IPF. Molekul-molekul ini digunakan sebagai dasar untuk pelatihan dan model gabungan mampu menghasilkan sekitar 30,000 kemungkinan molekul obat.

Para peneliti kemudian menyortir 30000 kandidat molekul dan memilih enam molekul yang paling menjanjikan untuk pengujian laboratorium. Keenam finalis ini disintesis di laboratorium dan digunakan dalam serangkaian tes yang melacak kemampuan mereka untuk menargetkan protein IPF. Satu molekul, khususnya, tampak menjanjikan, karena memberikan hasil yang diinginkan dalam obat medis.

Penting untuk dicatat bahwa obat fibrosis yang ditargetkan dalam percobaan telah diteliti secara ekstensif, dengan banyak obat efektif yang sudah ada untuk itu. Para peneliti dapat mereferensikan obat-obatan ini, dan ini memberi tim peneliti langkah karena mereka memiliki sejumlah besar data untuk melatih model mereka. Hal ini tidak berlaku untuk banyak penyakit lain, dan akibatnya, ada celah yang lebih besar untuk menutup perawatan ini.

Fakta penting lainnya adalah bahwa model pengembangan obat perusahaan saat ini hanya berurusan dengan proses penemuan awal, dan bahwa molekul yang dihasilkan oleh model mereka masih memerlukan banyak penyesuaian dan pengoptimalan sebelum molekul berpotensi digunakan untuk uji klinis.

Menurut Wired, CEO Insilico Medicine Alex Zharvornokov mengakui bahwa obat berbasis AI mereka belum siap untuk digunakan di lapangan, dengan studi saat ini hanya menjadi bukti konsep. Tujuan dari eksperimen ini adalah untuk melihat seberapa cepat suatu obat dapat dirancang dengan bantuan sistem AI. Namun, Zhavornokov mencatat bahwa para peneliti dapat merancang molekul yang berpotensi berguna jauh lebih cepat daripada jika mereka menggunakan metode penemuan obat biasa.

Terlepas dari peringatan tersebut, penelitian Insilico Medicine masih merupakan kemajuan penting dalam penggunaan AI untuk membuat obat baru. Penyempurnaan teknik yang digunakan dalam penelitian ini secara substansial dapat mempersingkat waktu yang dibutuhkan untuk mengembangkan obat baru. Ini terbukti sangat berguna di era di mana bakteri resisten antibiotik berkembang biak dan banyak obat yang sebelumnya efektif kehilangan potensinya.