Proiect nou obține 2,3 milioane de dolari pentru dezvoltarea unei baze de date și a unui model AI destinat identificării peptidele terapeutice
Un grup de cercetători condus de Joseph Brown, profesor asistent la Facultatea de Farmacie Leslie Dan, a primit o finanțare de 2,3 milioane USD pentru a dezvolta o bază de date și un model de învățare automată care să identifice peptide cu potențial terapeutic.
Inițiativa recent finanțată, OpenPep, va conduce la crearea unei baze de date cu acces deschis, care va permite cercetătorilor să utilizeze inteligența artificială (AI) pentru a prezice care peptide se vor lega de proteinele țintă.
Peptidele beneficiază de o atenție sporită: mulți adulți au încercat un medicament pe bază de peptide, iar 8% din medicamentele recent aprobate sunt peptide. Acestea nu mai reprezintă o clasă de medicamente de nișă. Provocarea reală este lipsa de date existente pentru descoperirea peptidelelor, ceea ce face ca dezvoltarea medicamentelor pe bază de peptide să fie extrem de lentă. Această provocare ne-a inspirat să adunăm cantități mari de date pentru a construi modele informate chimic și a accelera ritmul descoperirii.
Peptidele sunt lanțuri scurte de aminoacizi, mai mici decât o proteină, dar mai mari decât un medicament mic convențional. Atunci când sunt concepute, ele pot fi stabile, precise și selective în modularea țintelor biologice și oferă multe promisiuni ca medicamente.
Inteligența artificială a devenit o parte importantă a cercetării biologice și a descoperirii de medicamente, dat fiind că cercetătorii pot utiliza modele AI acolo unde există date pentru a face predicții și a accelera procesul de cercetare prin prioritizarea experimentelor în laborator. Totuși, datele reprezintă fundația pe care se construiește AI. De exemplu, AlphaFold, unul dintre cele mai proeminente modele AI pentru predicția structurii proteinelor, a fost dezvoltat pe baza unor date open-source create de-a lungul decadelor de cercetare.
Însă, nu există o bază de date și un model AI similar pentru peptide. Descoperirea peptidelelor s-a desfășurat aproape exclusiv prin experimente, iar datele valoroase sunt dispersate în diverse laboratoare, proiecte și companii.
Pentru a aborda această lacună, Brown și colegii săi – profesor asociat Keith Pardee de la Facultatea de Farmacie Leslie Dan, profesor Phil Kim de la Centrul Donnelly pentru Cercetări Celulare și Biomoleculare al U of T, și Chris Ing, co-fondator și director științific al ProteinQure – au decis să colaboreze pentru a construi o bază de date și un model AI corespunzător pentru legarea peptidelelor, pe care cercetătorii din întreaga lume să le poată folosi și contribui.
„AI are potențialul de a transforma modul în care înțelegem biologia și de a accelera descoperirea de noi terapii,” a declarat Leslie Yeh, director de progrese științifice la Google.org. „Prin asocierea finanțării noastre timpurii, destinate, cu AI avansat, putem oferi cercetătorilor oportunitatea de a-și asuma riscuri îndrăznețe în știința fundamentală pe care sursele tradiționale de capital le-ar putea ignora. OpenPep își propune să facă tocmai acest lucru – să deschidă barierele de date fragmentate, astfel încât oamenii de știință din întreaga lume să poată împărtăși cunoștințe și să își construiască pe descoperirile reciproce. Suntem mândri să sprijinim Universitatea din Toronto în construirea acestei resurse și în promovarea unei abordări mai deschise și colaborative pentru descoperirea științifică bazată pe AI.”
Echipa de cercetare va solicita sugestii pentru proteine relevante din punct de vedere al bolilor care să fie țintite.
OpenPep valorifică expertiza co-investigatorilor în domeniul descoperirii, designului peptidelelor și al învățării automate pentru a genera cantități mari de date și a construi modele care să prezică legarea peptide-proteine.
Grupul lui Pardee va utiliza expertiza lor în sisteme celulare accesibile din biologia sintetică pentru a produce până la 500 de proteine relevante din punct de vedere al bolilor, reprezentând un instantaneu al proteomului uman. Echipa lui Brown va utiliza spectrometria de masă specializată pentru a testa experimental biblioteci mari de peptide împotriva proteinelor țintă și a măsura care peptide se leagă și cu ce forță.
Ulterior, echipa va folosi datele experimentale pentru a construi și antrena modele AI care să prezică cât de bine se leagă peptidele de proteine care nu au fost testate experimental. Pe măsură ce cercetătorii testează și validează acele predicții, datele pot fi adăugate la model pentru a rafina și îmbunătăți predicțiile.
„AI poate transforma mii de experimente individuale cu peptide în reguli generalizabile despre modul în care peptidele interacționează cu proteinele,” spune Ing. „Cu OpenPep, scopul este de a folosi aceste perspective pentru a prezice și a proiecta peptide pentru ținte pe care nu le-am explorat experimental, permițând valorii fiecărui experiment să se extindă dincolo de peptidele și țintele specifice care au fost măsurate.”
Pe măsură ce echipa începe să genereze date experimentale, va solicita sugestii de proteine pentru descoperirea peptidelelor din colaboratori din spitale, companii farmaceutice și institute de cercetare, având un interes particular în bolile pediatrice și rare, cancer, neurodegenerare și boli cardiovasculare.
Odată stabilit, OpenPep va fi o bază de date deschisă la care echipa și alți cercetători pot continua să contribuie pentru îmbunătățirea modelului. „Unele dintre cele mai mari progrese în biologie au fost construite pe resurse științifice deschise. Niciun laborator nu poate explora întreaga diversitate a chimiei peptidelelor și biologiei bolilor, așa că deschiderea resursei oferă și potențialul de a crește prin contribuțiile comunității științifice mai largi,” afirmă Ing.
„OpenPep va oferi echipelor de descoperire a medicamentelor pe bază de peptide din întreaga lume un avantaj. Cercetătorii vor putea să se bazeze pe un corp mare de date experimentale pentru a găsi și a optimiza moleculele de peptide promițătoare mai eficient. În cele din urmă, sperăm ca aceasta să facă descoperirea peptidelelor mai predictibilă și să scurteze calea de la o țintă de boală la un terapeut potențial.”
Brown afirmă că investiția semnificativă din partea Google.org Impact Challenge Award este esențială pentru a asigura că cercetătorii pot îndeplini obiectivele ambițioase.
„Această finanțare ne oferă momentum pentru a ne dedica eforturilor de generare a datelor necesare pentru a avansa domeniul în acest mod,” afirmă Brown. „Scara datelor pe care o vom aduna nu există nicăieri altundeva, iar acest sprijin ne va ajuta să conducem în acest domeniu și să deblocăm un paradigme complet diferit bazat pe AI pentru descoperirea peptidelelor.”
„AI nu va înlocui experimentele, dar ne va ajuta să alegem cele mai bune, identificând peptidele care merită cel mai mult testate,” spune Brown. Echipa adaugă că „prin transformarea experimentelor în date deschise și a datelor deschise în AI, sperăm să oferim mai multor oameni de știință un punct de plecare mai bun.”
