L’identificazione dei farmaci candidati per un’ulteriore ottimizzazione richiede in genere migliaia di esperimenti individuali, ma la nuova piattaforma di intelligenza artificiale (AI) potrebbe potenzialmente fornire gli stessi risultati in una frazione del tempo. I ricercatori hanno utilizzato il nuovo strumento, descritto in Nature Communications , per sintetizzare 32 nuovi farmaci candidati contro il cancro.

La tecnologia fa parte di una tendenza nuova ma crescente nella scienza farmaceutica che prevede l'utilizzo dell'intelligenza artificiale per migliorare la scoperta e lo sviluppo di farmaci.

"Qualche anno fa, l'intelligenza artificiale era una parolaccia nell'industria farmaceutica, ma ora la tendenza è decisamente opposta, con le startup biotecnologiche che hanno difficoltà a raccogliere fondi senza includere l'intelligenza artificiale nel loro piano aziendale", ha affermato l'autore senior Trey Ideker, professore. presso il Dipartimento di Medicina della Scuola di Medicina della UC San Diego e professore aggiunto di bioingegneria e informatica presso la Jacobs School of Engineering della UC San Diego.

"La scoperta di farmaci guidata dall'intelligenza artificiale è diventata un'area molto attiva nell'industria, ma a differenza dei metodi sviluppati nelle aziende, stiamo rendendo la nostra tecnologia open source e accessibile a chiunque desideri utilizzarla."

La nuova piattaforma, denominata POLYGON, è unica tra gli strumenti di intelligenza artificiale per la scoperta di farmaci in quanto può identificare molecole con bersagli multipli, mentre i protocolli di scoperta di farmaci esistenti attualmente danno priorità alle terapie a bersaglio singolo. I farmaci multi-bersaglio sono di grande interesse per medici e scienziati perché potenzialmente offrono gli stessi benefici della terapia di combinazione, in cui diversi farmaci vengono utilizzati insieme per curare il cancro, ma con minori effetti collaterali.

"Ci vogliono molti anni e milioni di dollari per trovare e sviluppare un nuovo farmaco, soprattutto se si tratta di uno con obiettivi multipli", ha detto Ideker. "I rari farmaci multi-bersaglio di cui disponiamo sono stati scoperti in gran parte per caso, ma questa nuova tecnologia potrebbe contribuire a eliminare il rischio dall'equazione e dare il via a una nuova generazione di medicina di precisione."

I ricercatori hanno addestrato POLYGON su un database di oltre un milione di molecole bioattive conosciute contenente informazioni dettagliate sulle loro proprietà chimiche e sulle interazioni note con i bersagli proteici. Imparando dai modelli trovati nel database, POLYGON è in grado di generare formule chimiche originali per nuovi farmaci candidati che potrebbero avere determinate proprietà, come la capacità di inibire proteine ​​specifiche.

"Proprio come l'intelligenza artificiale è ora molto brava nel generare disegni e immagini originali, come creare immagini di volti umani in base a proprietà desiderate come l'età o il sesso, POLYGON è in grado di generare composti molecolari originali basati sulle proprietà chimiche desiderate", ha affermato Ideker.

"In questo caso, invece di dire all'intelligenza artificiale quanti anni vogliamo che abbia il nostro viso, le stiamo dicendo come vogliamo che il nostro futuro farmaco interagisca con le proteine ​​patologiche."

Per mettere alla prova POLYGON, i ricercatori lo hanno utilizzato per generare centinaia di farmaci candidati che prendono di mira varie coppie di proteine ​​correlate al cancro.

Di queste, i ricercatori hanno sintetizzato 32 molecole che avevano le interazioni previste più forti con le proteine ​​MEK1 e mTOR, una coppia di proteine ​​di segnalazione cellulare che rappresentano un bersaglio promettente per la terapia combinata contro il cancro. Queste due proteine ​​sono ciò che gli scienziati chiamano sinteticamente letali, il che significa che inibirle entrambe insieme è sufficiente per uccidere le cellule tumorali, anche se inibirne una sola non è sufficiente.

I ricercatori hanno scoperto che i farmaci da loro sintetizzati avevano un’attività significativa contro MEK1 e mTOR, ma avevano poche reazioni fuori bersaglio con altre proteine. Ciò suggerisce che uno o più farmaci identificati da POLYGON potrebbero essere in grado di colpire entrambe le proteine ​​come trattamento contro il cancro, fornendo un elenco di scelte per la messa a punto da parte dei chimici umani.

"Una volta che hai i farmaci candidati, devi ancora fare tutti gli altri studi chimici necessari per perfezionare quelle opzioni in un unico trattamento efficace", ha detto Ideker. "Non possiamo e non dobbiamo cercare di eliminare le competenze umane dal processo di scoperta dei farmaci, ma ciò che possiamo fare è abbreviare alcune fasi del processo."

Nonostante questa cautela, i ricercatori sono ottimisti sul fatto che le possibilità dell'intelligenza artificiale per la scoperta di farmaci siano solo appena state esplorate.

"Sarà molto emozionante vedere come questo concetto si svilupperà nel prossimo decennio, sia nel mondo accademico che nel settore privato", ha affermato Ideker. "Le possibilità sono praticamente infinite."