L’intelligenza artificiale e la scoperta di nuovi farmaci

Un team di ricerca ha impiegato 21 giorni per creare 30.000 schemi di molecole che potessero colpire una proteina coinvolta nello sviluppo della fibrosi. Hanno sintetizzato sei di queste molecole in laboratorio. La più promettente è stata testata nei topi. L’intero processo ha richiesto solo 46 giorni.

Identificato un potenziale nuovo farmaco in soli 46 giorni

Un team di ricerca ha impiegato 21 giorni per creare 30.000 schemi di molecole che potessero colpire una proteina coinvolta nello sviluppo della fibrosi. Hanno sintetizzato sei di queste molecole in laboratorio. La più promettente è stata testata nei topi. I ricercatori hanno concluso che era efficace e che ha mostrato qualità "simili ai farmaci". L’intero processo ha richiesto solo 46 giorni.

La ricerca di nuovi farmaci è lunga e complessa. Per prima cosa si individuano alcune molecole candidate alla terapia che vengono testate su colture di cellule. Quelle che risultano più efficaci passano alle fasi successive, i test in vivo. Infine si conduce la sperimentazione clinica, su pazienti umani. Questo processo richiede spesso anni di ricerca e notevoli investimenti economici. Negli ultimi tempi lo sviluppo della tecnologia sta rivoluzionando il  processo di ricerca di nuovi farmaci. Infatti sono nati i test in silico, una fase di ricerca in cui le molecole più promettenti vengono previste prima della loro sintesi sulla base di simulazioni virtuali.

Un recente articolo pubblicato su Nature Biotechnology accende i riflettori su Insilico Medicine, leader mondiale nello sviluppo dell’intelligenza artificiale applicata alla scoperta di farmaci. L'articolo descrive una sfida a tempo, nella quale il nuovo sistema di intelligenza artificiale chiamato Generative Tensorial Reinforcement Learning (GENTRL) ha progettato in 21 giorni sei nuovi inibitori della DDR1, una chinasi coinvolta nello sviluppo della fibrosi e di altre malattie. Quattro composti si sono dimostrati attivi nei test biochimici, due sono stati validati tramite test cellulari. Un potenziale farmaco è stato testato sui topi e ha dimostrato una farmacocinetica favorevole. Dopo la fase di progettazione, GENTRL è stato in grado di sintetizzare e convalidare pre-clinicamente il farmaco in 25 giorni. Tutto il processo ha quindi richiesto solo 46 giorni. Secondo il team di ricerca, il metodo è 15 volte più veloce rispetto ai metodi tradizionali.

Credits: Insilico Medicine

Tramite algoritmi specifici, le reti neurali sono in grado di analizzare e confrontare una grande quantità di dati. In questo caso specifico, due reti neurali hanno lavorato in concorrenza tra loro. Una rete neurale generava nuovi dati e l'altra li confrontava con un set di dati reali in cicli iterativi, in modo che il grado di errore nel set di dati nuovi venisse gradualmente diminuito.
Secondo i ricercatori, GENTRL offre un processo di scoperta di farmaci migliore, poiché le tecniche di ricerca tradizionali richiedono migliaia di molecole da testare. Pertanto, questo nuovo sistema produce significativi risparmi e benefici per la comunità.

“Questo documento è una pietra miliare significativa nel nostro viaggio alla scoperta di farmaci basato sull’intelligenza artificiale. Quando nel 2016 sono stati pubblicati gli articoli teorici di Insilico e Alàn Aspuru-Guzik e del suo team di ricercatori del MIT, tutti erano molto scettici. Ora, questa tecnologia si sta diffondendo", ha detto Alex Zhavoronkov, l'autore principale dello studio, fondatore e CEO di Insilico Medicine.

Fonte: Zhavoronkov A, Ivanenkov YA, Aliper A, Veselov MS, Aladinskiy VA, Aladinskaya AV, Terentiev VA, Polykovskiy DA, Kuznetsov MD, Asadulaev A, Volkov Y, Zholus A, Shayakhmetov RR, Zhebrak A, Minaeva LI, Zagribelnyy BA, Lee LH, Soll R, Madge D, Xing L, Guo T, Aspuru-Guzik A. Deep learning enables rapid identification of potent DDR1 kinase inhibitors. Nat Biotechnol. 2019 Sep;37(9):1038-1040. doi: 10.1038/s41587-019-0224-x. Epub 2019 Sep 2.