L’AI utilizzata per creare una molecola di farmaco che potrebbe combattere la fibrosi

La creazione di nuovi farmaci è un processo complesso che può richiedere anni di ricerca e miliardi di dollari. Tuttavia, è un investimento importante per la salute delle persone. L’intelligenza artificiale potrebbe potenzialmente semplificare e velocizzare la scoperta di nuovi farmaci, se il lavoro recente della startup Insilico Medicine continuerà a fare progressi. Come riportato da SingularityHub, la startup di intelligenza artificiale ha recentemente utilizzato l’AI per progettare una molecola che potrebbe combattere la fibrosi.

Considerando la complessità e la lentezza del processo di scoperta di nuove molecole per un farmaco, scienziati e ingegneri stanno costantemente cercando modi per accelerarlo. L’idea di utilizzare i computer per aiutare a scoprire nuovi farmaci non è nuova, poiché il concetto esiste da decenni. Tuttavia, i progressi in questo campo sono stati lenti, con gli ingegneri che lottano per trovare gli algoritmi giusti per la creazione di farmaci.

L’apprendimento profondo ha iniziato a rendere più fattibile la scoperta di farmaci guidata dall’AI, con le aziende farmaceutiche che investono pesantemente in startup di intelligenza artificiale negli ultimi anni. Una società è riuscita a utilizzare l’AI per progettare una molecola che potrebbe combattere la fibrosi, impiegando solo 46 giorni per creare una molecola simile a farmaci terapeutici. Insilico Medicine ha combinato due tecniche di apprendimento profondo per ottenere questo risultato: l’apprendimento per rinforzo e le reti generative avversarie (GANs).

L’apprendimento per rinforzo è un metodo di apprendimento automatico che incoraggia il modello di apprendimento automatico a prendere certe decisioni fornendo alla rete un feedback che elicità certe risposte. Il modello può essere punito per aver preso decisioni indesiderabili o ricompensato per aver preso decisioni desiderabili. Utilizzando una combinazione di rinforzo negativo e positivo, il modello è guidato verso la presa di decisioni desiderabili e tenderà a prendere decisioni che minimizzano la punizione e massimizzano la ricompensa.

Nel frattempo, le reti generative avversarie sono “avversarie” perché consistono in due reti neurali diverse che competono l’una contro l’altra. Le due reti sono fornite di esempi di oggetti per l’addestramento, spesso immagini. Il compito di una rete è quello di creare un oggetto contraffatto, qualcosa di sufficientemente simile all’oggetto reale da poter essere confuso con l’articolo autentico. Il compito della seconda rete è quello di rilevare oggetti contraffatti. Le due reti cercano di superare l’altra rete e, poiché entrambe migliorano le loro prestazioni per superare l’altra rete, questa corsa virtuale agli armamenti porta il modello contraffatto a generare oggetti quasi indistinguibili dalla cosa reale.

Combinando sia le GAN che l’apprendimento per rinforzo, i ricercatori sono riusciti a far produrre ai loro modelli nuove molecole di farmaci estremamente simili a quelle già esistenti e utilizzate in farmaci terapeutici.

I risultati degli esperimenti di Insilico Medicine sulla scoperta di farmaci guidata dall’AI sono stati recentemente pubblicati sulla rivista Nature Biotechnology. Nell’articolo, i ricercatori discutono come i modelli di apprendimento profondo sono stati addestrati. I ricercatori hanno preso rappresentazioni di molecole già utilizzate in farmaci per gestire le proteine coinvolte nella fibrosi polmonare idiopatica o IPF. Queste molecole sono state utilizzate come base per l’addestramento e i modelli combinati sono stati in grado di generare circa 30.000 possibili molecole di farmaci.

I ricercatori hanno quindi selezionato le sei molecole più promettenti per i test di laboratorio. Queste sei finaliste sono state sintetizzate in laboratorio e utilizzate in una serie di test che hanno tracciato la loro capacità di colpire la proteina IPF. Una molecola, in particolare, sembrava promettente, poiché ha fornito i risultati desiderabili in un farmaco medico.

È importante notare che il farmaco contro la fibrosi oggetto dell’esperimento è già stato ampiamente studiato, con molti farmaci efficaci già esistenti per esso. I ricercatori potevano fare riferimento a questi farmaci, e ciò ha dato alla squadra di ricerca un vantaggio, poiché avevano una grande quantità di dati su cui addestrare i loro modelli. Ciò non vale per molte altre malattie, e di conseguenza, c’è un divario più ampio da colmare per questi trattamenti.

Un altro fatto importante è che l’attuale modello di sviluppo di farmaci della società si occupa solo del processo di scoperta iniziale, e che le molecole generate dal loro modello richiederanno ancora molti aggiustamenti e ottimizzazioni prima che le molecole possano potenzialmente essere utilizzate per gli studi clinici.

Secondo Wired, il CEO di Insilico Medicine, Alex Zhavornokov, riconosce che il loro farmaco guidato dall’AI non è pronto per l’uso sul campo, con lo studio attuale che è solo una prova di concetto. L’obiettivo di questo esperimento era vedere quanto rapidamente un farmaco potesse essere progettato con l’aiuto dei sistemi di intelligenza artificiale. Tuttavia, Zhavornokov nota che i ricercatori sono riusciti a progettare una molecola potenzialmente utile molto più velocemente di quanto avrebbero potuto utilizzando i metodi di scoperta di farmaci regolari.

Nonostante le limitazioni, la ricerca di Insilico Medicine rappresenta ancora un notevole progresso nell’utilizzo dell’AI per creare nuovi farmaci. La raffinazione delle tecniche utilizzate nello studio potrebbe sostanzialmente ridurre il tempo necessario per sviluppare un nuovo farmaco. Ciò potrebbe risultare particolarmente utile in un’era in cui i batteri resistenti agli antibiotici si stanno moltiplicando e molti farmaci precedentemente efficaci stanno perdendo la loro potenza.