Progrese în inteligența artificială îmbunătățesc simulările moleculare pentru descoperirea medicamentelor
Un nou model de inteligență artificială a devenit atât de eficient în prezicerea evoluției moleculelor în timp, încât, în viitor, ar putea accelera procesul costisitor și consumator de timp al testării medicamentelor noi.
Pe termen lung, această tehnologie ar putea facilita dezvoltarea de medicamente și noi tratamente, permițând identificarea mai rapidă și mai precisă a candidaților promițători pentru medicamente. Rezultatele sunt prezentate într-un nou studiu suedez publicat în Science Advances.
Dezvoltarea unui nou medicament durează adesea peste zece ani, de la ideea inițială până la medicamentul final, care ajunge la pacienți. O mare parte din cost și timp se concentrează în etapele incipiente, deoarece trebuie efectuate o multitudine de teste pentru a identifica cei mai promițători candidați. Adesea, sunt necesare mai multe studii în care sunt testate mii de molecule, dar doar o fracțiune dintre ele ajunge la următoarea etapă.
În mod tradițional, mișcările moleculelor au fost simulate prin ceea ce este cunoscut sub numele de dinamică moleculară, în care cercetătorii calculează forțele dintre toți atomii pas cu pas și îi mișcă câte puțin. Pentru ca calculele să fie stabile, fiecare pas trebuie să fie extrem de scurt, aproximativ o femtosecundă (10⁻¹⁵ secunde). Deoarece procesele de interes pentru dezvoltarea medicamentelor au loc pe intervale de timp mult mai lungi, sunt necesari miliarde de pași, ceea ce face simulările extrem de solicitante din punct de vedere computațional.
Utilizarea inteligenței artificiale permite acum cercetătorilor să detecteze schimbările moleculare fără a efectua calcule numerice. Învățarea automată poate accelera fiecare pas al calculelor, iar modelele generative pot fi utilizate pentru a genera direct structuri moleculare plauzibile fără a simula mișcarea acestora.
Un grup de cercetători de la Universitatea Tehnică Chalmers și Universitatea din Gothenburg, Suedia, a făcut acum un alt pas înainte prin dezvoltarea unui nou model de inteligență artificială care ar putea, pe termen lung, să facă testarea dezvoltării medicamentelor și mai eficientă. Noul model este de peste 10.000 de ori mai rapid decât simulările convenționale.
„Ceea ce ne diferențiază modelul de inteligență artificială este că învață dinamicile de bază pe intervale de timp mai lungi. Acesta nu oferă doar informații despre formele pe care le adoptă moleculele, ci și despre cât de repede și pe ce căi au loc aceste tranziții moleculare. Din câte știm, aceasta este prima dată când s-a realizat acest lucru într-un mod care funcționează pentru multe molecule diferite”, a declarat Simon Olsson.
Studiul a examinat peste 12.500 de molecule organice, cum ar fi cele care conțin atomi de carbon, azot, hidrogen și oxigen. De asemenea, au fost studiate peste o mie de peptide scurte: molecule care constau din lanțuri scurte de aminoacizi ce formează proteine. Modelul de inteligență artificială a învățat cum se comportă de obicei moleculele și, astfel, a fost capabil să accelereze simulările. Rezultatele sunt în continuare conforme cu legile fizicii.
„Antrenăm modelul folosind exemple simulate ale modului în care atomii dintr-o moleculă se mișcă în timp. Pe baza acestor secvențe, modelul învață regulile fundamentale care guvernează mișcarea moleculelor și poate prezice cum se vor comporta moleculele noi”, a explicat Simon Olsson.
Cercetătorii au comparat rezultatele și concluziile modelului cu studii anterioare privind evoluția moleculară.
„Am validat rezultatele folosind simulări extensive de post-procesare pentru a le corobora cu algoritmi numerici standard. Și acestea sunt consistente între ele”, a adăugat Simon Olsson.
Deși modelul de inteligență artificială nu se bazează pe imagini reale, cercetătorii descriu rezultatele ca pe o modalitate de a sări între scene în „filmele moleculare”, în loc să vizioneze fiecare cadru în ordine. Modelul de inteligență artificială formează baza pentru predicțiile computaționale pe care cercetătorii le fac apoi în laborator.
„Acolo, măsurăm lucruri foarte specifice: proprietățile moleculelor, cât de „fericite” sunt să se afle într-o soluție particulară sau dacă, de exemplu, doresc să treacă printr-o membrană într-o celulă – dar aceasta rămâne în viitor”, a precizat Simon Olsson.
O forță majoră este că modelul poate fi aplicat la molecule pe care nu le-a întâlnit niciodată în timpul antrenamentului, deoarece a învățat reguli generale care guvernează mișcarea moleculară, mai degrabă decât să memorizeze sisteme individuale.
„Există un anumit tipar pe care modelul ne ajută să-l identificăm. Modelul de inteligență artificială se bazează pe o serie de exemple, în care observă doar ce se întâmplă pe parcursul a zeci de nanosecunde. Totuși, poate prezice proprietățile și schimbările în molecule care au loc pe o perioadă de o mie de ori mai lungă. Așadar, cu ajutorul inteligenței artificiale, putem deduce ce este probabil să se întâmple în „viitorul molecular”. Poate prezice cum se schimbă moleculele, chiar dacă nu a văzut niciodată procesul desfășurându-se”, a afirmat Simon Olsson.
Cercetătorii observă un interes considerabil din partea industriei pentru simulările care reflectă mai precis realitatea și permit dezvoltarea mai rapidă a medicamentelor. Deoarece noul model de inteligență artificială poate accelera simulările moleculare, unde trebuie testate un număr mare de molecule potențiale, echipa de cercetare speră că acesta va reprezenta un pas important către o dezvoltare mai eficientă a medicamentelor.
„Pe termen lung, modelele de inteligență artificială ca a noastră ar putea ajuta la identificarea mai rapidă a candidaților promițători pentru medicamente și la îmbunătățirea preciziei în etapele incipiente. Studiul de cercetare arată ceea ce este posibil în prezent. Sperăm ca acesta să deschidă calea pentru dezvoltarea unor tehnici mai generale, care, în cele din urmă, să faciliteze dezvoltarea de medicamente noi și de noi tratamente și, într-un sens mai larg, să îmbunătățească înțelegerea noastră asupra bolilor”, a spus Juan Viguera Diez.
Modelul TITO (Transferable Implicit Transfer Operators) este un cadru de modelare generativă profundă care învață regulile statistice care guvernează mișcarea moleculară direct din datele simulării. Acesta face posibilă prezicerea modului în care evoluează configurațiile atomice (modul în care atomii sunt aranjați și se raportează între ei din punct de vedere spațial într-o moleculă) pe intervale de timp mult mai rapide decât simulările numerice convenționale.
Metoda a fost testată în prezent pe sisteme moleculare mici în modele de solvent simplificate și la o temperatură specifică. Aceasta este acum dezvoltată mai departe pentru sisteme mai complexe și realiste.
