Inteligența Artificială Utilizată Pentru A Crea O Moleculă De Medicament Care Ar Putea Lupta Împotriva Fibrozei

Crearea de noi medicamente este un proces complex care poate dura ani de cercetare și miliarde de dolari. Cu toate acestea, este o investiție importantă pentru sănătatea oamenilor. Inteligența artificială ar putea face descoperirea de noi medicamente mai ușoară și mult mai rapidă, dacă progresul recent al startup-ului Insilico Medicine continuă. După cum a raportat SingularityHub, startup-ul de inteligență artificială a utilizat recent inteligența artificială pentru a proiecta o moleculă care ar putea combate fibroza.

Având în vedere cât de complex și de lung este procesul de descoperire a noilor molecule pentru un medicament, oamenii de știință și inginerii sunt în permanență în căutarea unor modalități de a-l accelera. Ideea de a utiliza calculatoarele pentru a ajuta la descoperirea de noi medicamente nu este nouă, deoarece conceptul a existat de decenii. Cu toate acestea, progresul în acest domeniu a fost lent, inginerii luptând pentru a găsi algoritmii potriviți pentru crearea de medicamente.

Învățarea profundă a început să facă descoperirea de medicamente bazată pe inteligență artificială mai viabilă, companiile farmaceutice investind masiv în startup-urile de inteligență artificială în ultimii ani. O companie a reușit să utilizeze inteligența artificială pentru a proiecta o moleculă care ar putea combate fibroza, necesitând doar 46 de zile pentru a crea o moleculă asemănătoare cu medicamentele terapeutice. Insilco Medicine a combinat două tehnici de învățare profundă pentru a obține acest rezultat: învățarea prin întărire și rețelele generative adverse (GAN).

Învățarea prin întărire este o metodă de învățare a mașinilor care încurajează modelul de învățare a mașinilor să ia anumite decizii, oferind rețelei feedback care provoacă anumite răspunsuri. Modelul poate fi pedepsit pentru luarea unor decizii nedorite sau răsplătit pentru luarea unor decizii dorite. Prin utilizarea unei combinații de întărire negativă și pozitivă, modelul este ghidat spre luarea unor decizii dorite și va tinde spre luarea unor decizii care minimizează pedeapsa și maximizează recompensa.

În timp ce rețelele generative adverse sunt “adversative” deoarece sunt alcătuite din două rețele neurale diferite, una împotriva celeilalte. Cele două rețele sunt date exemple de obiecte pentru a le antrena, frecvent imagini. Rolul uneia dintre rețele este de a crea un obiect contrafăcut, ceva suficient de asemănător cu obiectul real, astfel încât să poată fi confundat cu articolul autentic. Rolul celeilalte rețele este de a detecta obiectele contrafăcute. Cele două rețele încearcă să se depășească una pe cealaltă și, pe măsură ce ambele își cresc performanța pentru a depăși rețeaua adversă, această cursă virtuală duce la faptul că modelul contrafăcut generează obiecte care sunt aproape indistincte de cele reale.

Prin combinarea ambelor algoritmi GAN și de învățare prin întărire, cercetătorii au reușit să facă modelele lor să producă molecule de medicamente extrem de asemănătoare cu medicamentele terapeutice existente.

Rezultatele experimentelor Insilico Medicine cu descoperirea de medicamente bazată pe inteligență artificială au fost publicate recent în revista Nature Biotechnology. În articol, cercetătorii discută modul în care modelele de învățare profundă au fost antrenate. Cercetătorii au luat reprezentări ale moleculelor deja utilizate în medicamente pentru a manipula proteinele implicate în fibroza pulmonară idiopatică sau IPF. Aceste molecule au fost utilizate ca bază pentru antrenament și modelele combinate au reușit să genereze aproximativ 30.000 de molecule de medicamente posibile.

Cercetătorii au sortat apoi prin cele 30.000 de molecule candidate și au selectat cele șase molecule cel mai promițătoare pentru testarea de laborator. Aceste șase finaliste au fost sintetizate în laborator și utilizate într-o serie de teste care au urmărit capacitatea lor de a ținti proteina IPF. O moleculă, în special, a părut promițătoare, deoarece a livrat tipul de rezultate care sunt dorite într-un medicament medical.

Este important de remarcat că medicamentul anti-fibroză vizat în experiment a fost deja extensiv cercetat, cu multiple medicamente eficiente existente deja pentru el. Cercetătorii au putut face referire la aceste medicamente, iar acest lucru le-a oferit echipei de cercetare un avantaj, deoarece au avut o cantitate semnificativă de date pentru a-și antrena modelele.

Un alt fapt important este că modelul actual de dezvoltare a medicamentului al companiei se ocupă doar de procesul de descoperire inițială, iar moleculele generate de modelul lor vor necesita multe ajustări și optimizări înainte de a putea fi utilizate în teste clinice.

Conform Wired, CEO-ul Insilico Medicine, Alex Zhavornokov, recunoaște că medicamentul bazat pe inteligență artificială nu este gata pentru utilizare pe teren, studiul actual fiind doar o demonstrație a conceptului. Scopul acestui experiment a fost de a vedea cât de repede poate fi proiectat un medicament cu ajutorul sistemelor de inteligență artificială. Cu toate acestea, Zhavornokov notează că cercetătorii au reușit să proiecteze o moleculă potențial utilă mult mai rapid decât ar fi putut face utilizând metodele obișnuite de descoperire a medicamentelor.

În ciuda acestor rezerve, cercetarea Insilico Medicine reprezintă totuși o avansare notabilă în utilizarea inteligenței artificiale pentru crearea de noi medicamente. Rafinarea tehnicilor utilizate în studiu ar putea scurta semnificativ timpul necesar pentru dezvoltarea unui nou medicament. Acest lucru ar putea fi deosebit de util într-o eră în care bacteriile rezistente la antibiotice proliferează și multe medicamente anterior eficiente își pierd eficacitatea.