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 mai rapidă, dacă munca recentă a startup-ului Insilico Medicine va continua să progreseze. Conform raportului de pe SingularityHub, startup-ul de inteligență artificială a utilizat recent inteligența artificială pentru a proiecta o moleculă care ar putea combate fibroza.

Având în vedere complexitatea și timpul necesar pentru descoperirea de noi molecule pentru un medicament, oamenii de știință și inginerii sunt în permanență în căutare de modalități de a accelera acest proces. Ideea de a utiliza calculatoare 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 creația 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 similară 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-uri).

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 recompensat pentru luarea unor decizii dorite. Prin utilizarea unei combinații de întărire negativă și pozitivă, modelul este ghidat spre luarea deciziilor dorite și va tinde spre luarea deciziilor care minimizează pedeapsa și maximizează recompensa.

În timp ce rețelele generative adverse sunt “adversative” deoarece constau în două rețele neurale diferite, una împotriva celeilalte. Cele două rețele sunt date exemple de obiecte pentru a le antrena, de obicei imagini. Rolul unei rețele este de a crea un obiect fals, ceva suficient de similar cu obiectul real, astfel încât să poată fi confundat cu articolul autentic. Rolul celeilalte rețele este de a detecta obiectele false. Cele două rețele încearcă să se depășească una pe alta, și pe măsură ce își cresc performanța pentru a depăși rețeaua adversă, această cursă armată virtuală duce la faptul că modelul fals generează obiecte care sunt aproape indistinguizabile de cele reale.

Prin combinarea ambelor tehnici de învățare profundă, GAN-uri și învățare prin întărire, cercetătorii au reușit să obțină modele care produc noi molecule de medicamente extrem de similare 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 despre 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, iar modelele combinate au putut genera aproximativ 30.000 de molecule de medicamente posibile.

Cercetătorii au selectat apoi cele 30.000 de molecule candidate și au ales cele șase molecule cel mai promițătoare pentru testarea în laborator. Aceste șase finale 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 oferit rezultatele dorite într-un medicament.

Este important de remarcat că medicamentul împotriva fibrozei vizat în experiment a fost deja extensiv cercetat, cu multiple medicamente eficiente deja existente pentru el. Cercetătorii au putut face referire la aceste medicamente, ceea ce le-a oferit o avantajoasă, deoarece aveau o cantitate semnificativă de date pentru a-și antrena modelele. Acest lucru nu se aplică pentru multe alte boli, și, ca urmare, există o lacună mai mare de închis pentru aceste tratamente.

Un alt fapt important este că modelul actual de dezvoltare a medicamentului al companiei se ocupă doar de procesul inițial de descoperire, și că 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 rezervelor, cercetarea Insilico Medicine reprezintă totuși o avansare notabilă în utilizarea inteligenței artificiale pentru a crea noi medicamente. Refinarea 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 se înmulțesc și multe medicamente anterior eficiente își pierd eficacitatea.