La scoperta e la formulazione di nuovi farmaci, antivirali, antibiotici e in generale prodotti chimici con proprietà personalizzate è un processo lungo e faticoso. La ricerca interdisciplinare al crocevia della biochimica, la fisica e l'informatica possono cambiarlo. Lo sviluppo di metodi di machine learning (ML), combinato con i primi principi della meccanica quantistica e statistica e addestrato su grandi set di dati molecolari sempre più disponibili, ha il potenziale per rivoluzionare il processo di scoperta chimica.

"La scoperta chimica e l'apprendimento automatico sono destinati ad evolversi insieme, ma raggiungere una vera sinergia tra loro richiede la soluzione di molte sfide in sospeso, "dice Alexandre Tkatchenko, Professore di Fisica Chimica Teorica presso l'Università.

Apprendimento automatico per aiutare a identificare i candidati ai farmaci

L'Università ha avviato una collaborazione con la società belga Janssen Pharmaceuticals nella primavera del 2020 per sviluppare nuovi metodi ML per identificare composti che hanno un forte potenziale terapeutico (chiamati anche farmaci candidati). Finora, Sono stati sviluppati approcci ML per piccole molecole. Questo progetto di ricerca mira ad estendere l'architettura e la trasferibilità degli approcci di apprendimento automatico basati sulla meccanica quantistica a grandi molecole di importanza farmaceutica.

"La generazione di nuove sostanze chimiche con attività su obiettivi biologici rilevanti è il core business delle aziende farmaceutiche. Gli approcci di apprendimento automatico hanno il potenziale per accelerare il processo e ridurre i tassi di fallimento nella scoperta di farmaci. Essendo stato contattato da un'azienda farmaceutica leader per lavorare insieme nell'individuare farmaci candidati è un segno gratificante del riconoscimento industriale della nostra competenza, " commenta il dott. Leonardo Medrano-Sandonas, un ricercatore post-dottorato nel gruppo del Prof. Tkatchenko.

Partner in un Innovative Training Network finanziato dalla Commissione Europea

Insieme a tre grandi aziende farmaceutiche europee (Bayer, AstraZeneca, Janssen), l'azienda chimica Enamine e dieci partner accademici con esperienza nella progettazione computazionale di farmaci, Il Prof. Tkatchenko ha ottenuto la sovvenzione Marie Sklodowska-Curie Actions—Innovative Training Network per il progetto Advanced machine learning for Innovative Drug Discovery (AIDD) per il periodo 2021-2023. Questo progetto mira a sviluppare metodi innovativi di machine learning per contribuire a un modello integrato "One Chemistry" in grado di prevedere i risultati che vanno dalla generazione di molecole alla sintesi e capire come intrecciare chimica e biologia per sviluppare nuovi farmaci.

Qui le competenze scientifiche si uniscono alle competenze di chimica medicinale e di sintesi dei partner industriali, e beneficia di grandi set di dati preziosi. Per la prima volta, tutti gli sviluppi metodologici saranno disponibili open source. La rete di formazione preparerà una generazione di scienziati con competenze sia nell'apprendimento automatico che nella chimica per far progredire la chimica farmaceutica.

"Fare previsioni accurate utilizzando l'apprendimento automatico dipende in modo critico dall'accesso a grandi raccolte di dati di alta qualità e dall'esperienza di dominio per analizzarli, " spiega il prof. Tkatchenko. "Mettere insieme le nostre forze è un primo passo verso una rivoluzione della scoperta chimica guidata dall'apprendimento automatico".

Il campo dell'apprendimento automatico per la scoperta chimica sta emergendo, e si prevedono progressi sostanziali nel prossimo futuro. Il prof. Tkatchenko ha recentemente pubblicato un articolo sulla rivista Comunicazioni sulla natura in cui discute le recenti scoperte in questo campo ed evidenzia le sfide per gli anni a venire. L'articolo è disponibile online.