I ricercatori dell'Università di Cambridge hanno sfruttato l'intelligenza artificiale per accelerare drasticamente la ricerca di nuove terapie per il morbo di Parkinson.
Utilizzando tecniche di apprendimento automatico, sono stati in grado di vagliare milioni di potenziali composti farmacologici e di identificare i candidati più promettenti dieci volte più velocemente e 1000 volte più economicamente rispetto ai metodi convenzionali.
La malattia di Parkinson è una malattia neurodegenerativa complessa e progressiva che affligge circa 6 milioni di persone in tutto il mondo. Si prevede che questa cifra triplicherà entro il 2040.
Attualmente non esistono trattamenti in grado di rallentare o arrestare in modo affidabile la progressione della malattia.
Il processo tradizionale di screening di vaste librerie chimiche per trovare potenziali candidati farmaci è estremamente lento, costoso e spesso infruttuoso.
"Una strada per la ricerca di potenziali trattamenti per il Parkinson richiede l'identificazione di piccole molecole in grado di inibire l'aggregazione dell'alfa-sinucleina, una proteina strettamente associata alla malattia", ha spiegato il ricercatore principale, il professor Michele Vendruscolo. ha dichiarato all'Università di Cambridge.
"Ma si tratta di un processo che richiede molto tempo: la sola identificazione di un candidato principale per ulteriori test può richiedere mesi o addirittura anni".
Per affrontare questa sfida, Vendruscolo e il suo team hanno sviluppato un approccio di apprendimento automatico in 5 fasi. Il studio è stato pubblicato in Natura Biologia Chimica.
- Iniziare con una piccola serie di composti, identificati tramite simulazioni, che mostrano il potenziale per bloccare l'aggregazione della proteina alfa-sinucleina, che è la causa principale del Parkinson. Poi, testate sperimentalmente la loro efficacia.
- Utilizzare i risultati per addestrare un modello di apprendimento automatico per prevedere quali strutture e proprietà molecolari rendono un composto efficace nel prevenire l'aggregazione proteica.
- Il modello addestrato viene utilizzato per esaminare rapidamente una libreria virtuale contenente milioni di composti e prevedere i concorrenti più potenti.
- Convalidare sperimentalmente in laboratorio i migliori candidati selezionati dall'AI. Alimentare questi risultati nel modello per perfezionare ulteriormente le sue capacità di previsione.
- Ripetere questo ciclo di previsioni computazionali e test sperimentali, con il modello AI che diventa più intelligente a ogni tornata, individuando i composti più potenti.
Nel corso di più iterazioni, il tasso di ottimizzazione - la percentuale di composti testati che inibiscono l'aggregazione di alfa-sinucleina associata al Parkinson - è aumentato da 4% a oltre 20%.
Inoltre, i composti trovati dall'IA erano, in media, molto più potenti di quelli precedentemente identificati. Alcuni hanno mostrato un'attività promettente a dosi otto volte inferiori. Erano anche più diversificati dal punto di vista chimico: il modello ha scoperto composti efficaci che differivano dalle strutture note.
"L'apprendimento automatico sta avendo un impatto reale sulla scoperta dei farmaci, accelerando l'intero processo di identificazione dei candidati più promettenti", ha dichiarato Vendruscolo.
"Utilizzando le conoscenze acquisite dallo screening iniziale con il nostro modello di apprendimento automatico, siamo stati in grado di addestrare il modello per identificare le regioni specifiche di queste piccole molecole responsabili del legame, in modo da poter effettuare un nuovo screening e trovare molecole più potenti."
"Per noi questo significa poter iniziare a lavorare su più programmi di scoperta di farmaci, invece che su uno solo. Grazie alla massiccia riduzione dei tempi e dei costi, è possibile fare molto: è un momento entusiasmante".
I ricercatori sottolineano che questo è solo l'inizio di ciò che gli approcci AI potrebbero consentire nella scoperta di farmaci per il Parkinson e altre malattie caratterizzate da misfolding e aggregazione delle proteine.
Con l'ulteriore sviluppo e con set di dati di addestramento più ampi, il potere predittivo di questi modelli non potrà che migliorare.
Sebbene la strada da percorrere per trasformare questi candidati identificati dall'intelligenza artificiale in trattamenti approvati sia ancora lunga, questo studio dimostra come l'apprendimento automatico, abilmente combinato con la biologia sperimentale, possa accelerare notevolmente le prime fasi della scoperta di farmaci.
Questo si basa su una serie di ricerche che affrontano la sfida della ricerca di nuovi trattamenti farmacologici, tra cui dal MIT e da Tuftsche ha recentemente costruito un modello in grado di vagliare circa 100 milioni di composti al giorno.
Diversi modelli di scoperta degli antibiotici hanno prodotto composti sperimentali, alcuni dei quali sono verso le sperimentazioni cliniche.
Un altro progetto su larga scala in collaborazione con il Moorfields Eye Hospital nel Regno Unito, l'anno scorso ha utilizzato le scansioni oculari per identificare i primi segni del Parkinson - un metodo innovativo abilitato dall'intelligenza artificiale.
Con questo nuovo studio che mira a scoprire trattamenti efficaci per il Parkinson, i metodi di intelligenza artificiale mostrano un'immensa promessa di ridefinizione della medicina e dell'assistenza sanitaria.
