Un model de chatGPT pus la punct de oamenii de ştiinţă americani ar putea accelera foarte mult procesul de identificare a candidaţilor viabili la medicamente pentru o gamă largă de boli, şi cu costuri extrem de scăzute.
Platformele de inteligenţă artificială generativă, de la ChatGPT la Midjourney, au ţinut capul de afiş în 2023.
Dar GenAI poate face mai mult decât să creeze colaje de imagini şi să ajute la scrierea de e-mailuri - poate, de asemenea, să conceapă noi medicamente pentru tratarea bolilor.
În prezent, oamenii de ştiinţă folosesc tehnologii avansate pentru a proiecta noi compuşi medicamentoşi sintetici cu proprietăţile şi caracteristicile potrivite, cunoscută şi sub numele de „proiectare de novo a medicamentelor". Cu toate acestea, metodele actuale pot necesita multă muncă, timp şi costuri.
Inspiraţi de popularitatea ChatGPT şi întrebându-se dacă această abordare ar putea accelera procesul de proiectare a medicamentelor, oamenii de ştiinţă de la Colegiul Schmid de Ştiinţă şi Tehnologie a Universităţii Chapman, din California, au decis să creeze propriul model genAI, detaliat într-o lucrare publicată în revista Pharmaceuticals.
Echipa de la Chapman a codificat un model pentru a învăţa un set de date masiv de substanţe chimice cunoscute, modul în care acestea se leagă de proteinele ţintă, precum şi regulile şi sintaxa structurii şi proprietăţilor chimice la scară largă.
Rezultatul final poate genera nenumărate structuri moleculare unice care respectă constrângeri chimice şi biologice esenţiale şi se leagă în mod eficient de ţintele lor - promiţând să accelereze foarte mult procesul de identificare a unor candidate de medicamente viabile pentru o gamă largă de boli, la o fracţiune din costuri.
Pentru a crea modelul revoluţionar, cercetătorii au integrat două tehnici de ultimă generaţie de inteligenţă artificială pentru prima dată în domeniile bioinformaticii şi chimioinformaticii: binecunoscuta „Arhitectura Encoder-Decoder Transformer" şi „Reinforcement Learning via Monte Carlo Tree Search" (RL-MCTS).
Platforma, denumită în mod corespunzător „drugAI/MedicamentAI", permite utilizatorilor să introducă o secvenţă proteică ţintă (de exemplu, o proteină implicată în mod obişnuit în evoluţia cancerului).
DrugAI, antrenată pe baza datelor dintr-o arhivă publică de date BindingDB, poate genera structuri moleculare unice de la zero, iar apoi poate rafina iterativ candidaţii, asigurându-se că aceştia prezintă afinităţi puternice de legare la ţintele respective ale medicamentelor, ceea ce este esenţial pentru eficacitatea potenţialelor medicamente.
Modelul a identificat 50-100 de noi molecule susceptibile de a inhiba aceste proteine specifice.
„Această abordare ne permite să generăm un potenţial medicament care nu a fost conceput niciodată", spune dr. Hagop Atamian, unul dintre creatorii modelului, într-un comunicat al universităţii.
„A fost testat şi validat. Acum, vedem rezultate magnifice", a precizat el.
Cercetătorii au evaluat moleculele generate de drugAI în funcţie de mai multe criterii şi au constatat că rezultatele obţinute au fost de o calitate similară cu cele obţinute prin alte două metode obişnuite şi, în unele cazuri, mai bune.
Ei au constatat că medicamentele candidate ale drugAI au avut o rată de validitate de 100% - ceea ce înseamnă că niciunul dintre medicamentele generate nu era prezent în setul de antrenament.
Medicamentele candidate ale DrugAI au fost, de asemenea, măsurate în ceea ce priveşte asemănarea cu un medicament, sau similaritatea proprietăţilor unui compus cu cele ale medicamentelor orale, iar medicamentele candidate au fost cu cel puţin 42% şi 75% mai mari decât alte modele.
În plus, toate moleculele generate de DrugAI au prezentat afinităţi puternice de legare la ţintele respective, comparabile cu cele identificate prin intermediul abordărilor tradiţionale de screening virtual.
Echipa de la Chapman a vrut, de asemenea, să vadă cum se compară rezultatele drugAI pentru o anumită boală cu medicamentele cunoscute existente pentru respectiva afecţiune.
Într-un alt experiment, metodele de screening au generat o listă de produse naturale care au inhibat proteinele SARS-CoV-2, care provoacă boala Covdi-19. DrugAI a generat o listă de medicamente noi care vizează aceeaşi proteină pentru a le compara caracteristicile.
Echipa a comparat asemănarea cu medicamentele şi afinitatea de legare între moleculele naturale şi cele ale drugAI şi au găsit măsurători similare la ambele - dar drugAI a reuşit să le identifice într-un mod mult mai rapid şi mai puţin costisitor.
În plus, oamenii de ştiinţă au proiectat algoritmul pentru a avea o structură flexibilă care să permită viitorilor cercetători să adauge noi funcţii.
„Asta înseamnă că se va ajunge la candidaţi la medicamente mai rafinaţi, cu o probabilitate şi mai mare de a ajunge un medicament real", a precizat dr. Atamian.
