Inteligenţa artificială promite să revoluţioneze procesul de descoperire a medicamentelor

O nouă abordare bazată pe inteligenţă artificială (AI) ar putea schimba radical modul în care sunt descoperite medicamentele, reducând semnificativ timpul şi resursele necesare pentru identificarea substanţelor cu potenţial terapeutic.

Un model de AI, antrenat pe date complexe obţinute din celule umane, ar putea oferi o cale mai rapidă în cursa pentru descoperirea de medicamente noi [1].

Oamenii de ştiinţă au dezvoltat un model de învăţare profundă care analizează modul în care mii de compuşi chimici influenţează activitatea genelor în celule umane.

Modelul, prezentat într-un articol publicat, joi, în revista Science, oferă o metodă alternativă la testarea tradiţională, lentă şi costisitoare, a compuşilor chimici în laborator.

De zeci de ani, procesul clasic de descoperire a medicamentelor s-a bazat pe testarea pe rând a mii de substanţe chimice asupra culturilor celulare, pentru a observa efectele acestora. Deşi această metodă a dus la identificarea unor tratamente eficiente, cum ar fi unele medicamente anticancer, ea presupune un efort uriaş de timp şi resurse. Noile progrese în biologia genomică, ce oferă date detaliate despre expresia genelor în celulele individuale, deschid însă calea unor strategii mai inteligente de screening.

Pentru a valorifica aceste date, o echipă condusă de bioinginerul Alex Shalek de la Massachusetts Institute of Technology (MIT) a colaborat cu compania de biotehnologie Cellarity din Somerville, Massachusetts. Ei au antrenat un model de AI, numit DrugReflector, folosind informaţii publice despre efectele a circa 9.600 de compuşi chimici asupra expresiei genelor în peste 50 de tipuri de celule umane.

Modelul a fost utilizat pentru a identifica substanţe capabile să influenţeze formarea trombocitelor şi a globulelor roşii - un proces relevant pentru tratarea unor afecţiuni hematologice. Din 107 compuşi testaţi ulterior în laborator, un număr semnificativ au avut efectele preconizate de model. Rezultatele arată că DrugReflector este de până la 17 ori mai eficient decât metodele tradiţionale de screening bazate pe selecţie aleatorie a compuşilor. Mai mult, după ce datele din primul val de experimente au fost reintegrate în model, precizia acestuia s-a dublat.

Specialiştii consideră că această abordare ar putea reduce masiv volumul de muncă necesar pentru descoperirea medicamentelor.

Pe baza screeningului, „poţi analiza câteva sute de compuşi, în loc de milioane”, afirmă Bissan Al-Lazikani, expert în date oncologice la Centrul de Cancer MD Anderson din Texas, care nu a fost implicată în studiu, citată în articol.

Autorii subliniază că astfel de instrumente ar putea ajuta la identificarea substanţelor capabile să reprogrameze celulele, de exemplu, pentru a transforma celulele stem în celule producătoare de insulină, utile în tratamentul diabetului. Totuşi, cercetătorii atrage atenţia că, în forma sa actuală, DrugReflector poate evalua doar compuşii incluşi în setul de antrenament şi nu este capabil să genereze molecule complet noi.

Obiectivul final este însă dezvoltarea unui sistem capabil să estimeze efectele biologice ale unei molecule doar pe baza structurii sale chimice.

„Tehnologiile actuale sunt promiţătoare, dar precizia şi capacitatea lor de generalizare trebuie încă îmbunătăţite”, noterază Hongkui Deng, specialist în biologie celulară la Universitatea Peking din Beijing.

Studiul demonstrează potenţialul uriaş al inteligenţei artificiale în domeniul farmacologiei, sugerând că algoritmii de învăţare profundă pot deveni un instrument esenţial pentru accelerarea descoperirii de tratamente inovatoare.

References