Descoperirea de noi molecule terapeutice, de 1000 de ori mai rapidă cu ajutorul unui nou model de calcul bazat pe deep learning
Oamenii de știință de la Institutul de Tehnologie din Massachusetts (MIT) au dezvoltat un model de calcul geometric bazat pe deep learning (învățare profundă) care poate identifica potențialii candidați terapeutici de 1200 de ori mai repede decât modelele de calcul folosite până acum. Modelul EquiBind poate prezice atât zona de legare a receptorului, cât și poziția și orientarea în care se va atașa ligandul (molecula de medicament care se va lega de proteină). Aplicațiile EquiBind sunt multiple: de la screening-ul foarte rapid al tuturor moleculelor cu potențial efect terapeutic în anumite cazuri și până la eficientizarea procesului de descoperire a medicamentelor în sine.
Spre deosebire de modelele computaționale utilizate în prezent pentru identificarea candidaților terapeutici, EquiBind poate prezice printr-un singur pas cea mai bună potrivire dintre un ligand și o proteină, fără să cunoască în prealabil situsul de legare al proteinei (proces care poartă denumirea de „blind docking”). Acest lucru este posibil datorită arhitecturii modelului, care îi permite să învețe aspecte legate de fizica moleculelor și să poată face generalizări. Astfel, în momentul în care întâlnește seturi de date noi, este capabil să realizeze preziceri corecte.
Modelele computaționale utilizate în prezent sunt foarte costisitoare, necesită multe resurse și consumă foarte mult timp până la identificarea unui singur candidat terapeutic. Modul lor de funcționare se bazează pe eșantionarea tuturor candidaților și utilizarea tehnicilor precum notarea, clasarea și modelarea fiecăruia în parte pentru identificarea celei mai bune potriviri dintre ligand și proteină.
Studiul care a evaluat performanțele modelului EquiBind a fost prezentat în cadrul Conferinței Intarnaționale de Machine Learning din acest an. Conform datelor, EquiBind este de 1200 de ori mai rapid decât QuickVina2-W, unul dintre cele mai rapide modele de calcul de la momentul actual. Construcția EquiBind s-a bazat pe modelul său predecesor QuiDock. Acesta din urmă este un model specializat în legarea a două proteine, utilizând o tehnică dezvoltată de românul Octavian-Eugen Ganea, post-doc în cadrul MIT Computer Science and Artificial Intelligence Laboratory.
În momentul publicării studiului, EquiBind a atras atenția a numeroși specialiști în domeniu. Astfel au apărut propunerile de a testa modelul pe opțiuni terapeutice și proteine deja existente pentru cancerul pulmonar, leucemie și tumori gastrointestinale. Rezultatele au fost semnificative, acolo unde majoritatea metodelor tradiționale au eșuat în legarea ligandului de proteină, EquiBind a reușit.
„EquiBind asigură o soluție unică problematicii legării (ligand-proteină), soluție care incorporează atât predicția poziției, cât și identificarea situsului de legare. Această abordare care valorifică informații provenite de la mii de structuri cristaline disponibile în bazele de date publice, poate influența acest domeniu în multiple noi căi” – afirmă Pat Walters, Chief data officer, Relay Therapeutics.
Utilizarea elementelor de inteligență artificială în cercetarea medicală nu este o noutate. AlphaFold, un instrument bazat pe inteligență artificială poate prezice structura tridimensională a unei proteine, pornind de la secvența genetică corespunzătoare. Capacitatea acestuia este similară metodelor considerate standard de aur în acest domeniu, al biologiei moleculare structurale, cristalografia cu raze X și microscopia electronică. Tot în registrul utilizării AI în cercetare se încadrează și prima moleculă terapeutică descoperită folosind inteligența artificială. La jumătatea anului 2021, aceasta a intrat în studii clinice umane. Molecula a fost inventată și dezvoltată printr-o colaborare între Exscientia și Evotec, cu ajutorul platformei de proiectare 3D evolutivă de nouă generație bazată pe AI a Exscientia. Candidatul terapeutic prezintă selectivitate ridicată pentru receptorul țintă, ceea ce poate însemna efecte secundare sistemice reduse.
Recent, tot în cadrul MIT, a fost dezvoltat un plasture (patch) inteligent capabil să monitorizeze și să obțină în mod continuu informații de ultrasonografie de la nivelul țesuturilor, mușchilor și organelor pe o perioadă de 48 de ore. Patch-ul numai că elimină nevoia utilizării instrumentelor voluminoase și implicarea personalului specializat pentru achiziția imaginilor de ultrasonografie, ci oferă posibilitatea tuturor doritorilor de a beneficia de o monitorizare continuă, eficientă și de durată, oricând au nevoie, oriunde s-ar afla. La începutul anului 2020, specialiștii de la MIT au identificat un nou compus antibiotic – halicina, folosind un algoritm de învățare automată. Modelul computerizat, care poate depista peste o sută de milioane de compuși chimici în câteva zile, a fost conceput pentru selectarea antibioticelor, care au potențialul de elimina bacteriile folosind mecanisme diferite decât cele ale medicamentelor existente.
Citește și:
- Genome-to-treatment: Diagnosticarea bolilor genetice este posibilă în doar 13 ore cu ajutorul unui nou sistem de secvențiere și interpretare rapidă a datelor pe baza AI
- STUDIU. Interpretarea rezultatelor EKG cu ajutorul algoritmilor bazați pe inteligență artificială facilitează detectarea precoce a cazurilor de cardiomiopatie hipertrofică obstructivă
- Spațiul European de Date pentru Sănătate. Care sunt principiile de utilizare a datelor și cum va schimba EHDS domeniul sănătății?