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

La creazione di nuovi farmaci medici è un processo complesso che può richiedere anni di ricerca e miliardi di dollari. Eppure è anche un investimento importante da fare per la salute delle persone. L’intelligenza artificiale potrebbe potenzialmente rendere più facile e sostanzialmente più veloce la scoperta di nuovi farmaci, se il lavoro recente dello startup Insilico Medicine continuerà a fare progressi. Come riportato da SingularityHub, lo startup di intelligenza artificiale ha recentemente utilizzato l’IA per progettare una molecola che potrebbe combattere la fibrosi.

Data la complessità e la lunghezza 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 senso 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’IA, con le aziende farmaceutiche che investono pesantemente in startup di intelligenza artificiale negli ultimi anni. Una società è riuscita a utilizzare l’IA per progettare una molecola che potrebbe combattere la fibrosi, impiegando solo 46 giorni per creare una molecola simile a farmaci terapeutici. Insilco Medicine ha combinato due diverse tecniche di apprendimento profondo per ottenere questo risultato: apprendimento per rinforzo e reti generative avversarie (GAN).

L’apprendimento per rinforzo è un metodo di apprendimento automatico che incoraggia il modello di apprendimento automatico a prendere determinate decisioni fornendo alla rete un feedback che suscita determinate risposte. Il modello può essere punito per aver fatto scelte indesiderabili o ricompensato per aver fatto scelte 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 diverse reti neurali opposte l’una all’altra. Le due reti vengono addestrate con esempi di oggetti, frequentemente 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 superarsi a vicenda 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 dal vero.

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

I risultati degli esperimenti di Insilico Medicine sulla scoperta di farmaci guidata dall’IA sono stati recentemente pubblicati sulla rivista Nature Biotechnology. Nell’articolo, i ricercatori discutono di come i modelli di apprendimento profondo siano 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 i sei candidati più promettenti tra i 30.000 candidati molecole e li hanno sottoposti a test di laboratorio. Questi sei finalisti sono stati sintetizzati in laboratorio e utilizzati 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 il tipo di risultati desiderati 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 al team 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 di poter essere potenzialmente utilizzate per test clinici.

Secondo Wired, l’amministratore delegato di Insilico Medicine, Alex Zharvornokov, riconosce che il loro farmaco guidato dall’IA non è pronto per l’uso sul campo, con l’attuale studio che è solo una prova di concetto. L’obiettivo di questo esperimento era vedere quanto velocemente un farmaco potesse essere progettato con l’aiuto dei sistemi di intelligenza artificiale. Tuttavia, Zhavornokov nota che i ricercatori sono stati in grado di progettare una molecola potenzialmente utile molto più velocemente di quanto avrebbero potuto se avessero utilizzato i metodi di scoperta di farmaci regolari.

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