Η Τεχνητή Νοημοσύνη ανοίγει νέες προοπτικές στην ανακάλυψη φαρμάκων

Το AlphaFold της DeepMind προβλέπει ποια φάρμακα συνδέονται σε συγκεκριμένους υποδοχείς του εγκεφάλου
Νέες δυνατότητες φαίνεται πως ανοίγονται στη Φαρμακευτική με την ανάπτυξη εργαλείων τεχνητής νοημοσύνης που προβλέπουν τη δράση νέων φαρμάκων πριν καν δοκιμαστούν στο εργαστήριο.

Το AlphaFold της εταιρείας DeepMind, η τεχνητή νοημοσύνη που έγινε διάσημη λύνοντας έναν από τους μεγαλύτερους γρίφους της Βιολογίας, ανακάλυψε χιλιάδες πιθανές ψυχεδελικές ουσίες, οι οποίες δυνητικά θα μπορούσαν να αποτελέσουν τη βάση για νέες θεραπείες κατά της κατάθλιψης.

Ένα μέρος των προβλέψεων του AlphaFold επιβεβαιώθηκε πειραματικά στο εργαστήριο, κάτι που δείχνει ότι η τεχνητή νοημοσύνη είναι το ίδιο αξιόπιστη με τις παραδοσιακές τεχνικές που απαιτούν μήνες ή χρόνια προσπαθειών, λένε οι ερευνητές.

«Το AlphaFold είναι πραγματική επανάσταση» σχολίασε στον δικτυακό τόπο του Nature ο Γενς Κάρλσον χημικός του Πανεπιστημίου της Ουψάλα στη Σουηδία, ο οποίος δεν συμμετείχε στο πείραμα.

Πρόβλημα για δυνατούς λύτες

To 2020, το AlphaFold εντυπωσίασε τη Σίλικον Βάλεϊ και την ακαδημαϊκή κοινότητα με την ικανότητά του να προβλέπει το τρισδιάστατο σχήμα των πρωτεϊνών με βάση τη χημική σύστασή τους.

Οι πρωτεΐνες είναι σημαντικά βιολογικά μόρια και αποτελούν στόχο πολλών φαρμάκων. Μέχρι πρόσφατα, όμως, ο προσδιορισμός της τρισδιάστατης δομής τους απαιτούσε μήνες ή χρόνια δουλειάς στο εργαστήριο.

Ενδεικτικό είναι το γεγονός ότι, πριν από το AlphaFold, οι επιστήμονες είχαν υπολογίσει τη δομή μόλις 17.000 πρωτεϊνών. Χάρη στη μηχανή, το νούμερο εκτινάχθηκε σε λίγους μήνες σε πάνω από 200 εκατομμύρια.

Ανεξάρτητες μελέτες έδειξαν ωστόσο ότι τα αποτελέσματα του AlphaFold συχνά διαφέρουν σημαντικά από τις τρισδιάστατες δομές που υπολογίζονται με βάση συμβατικές τεχνικές όπως η κρυσταλλογραφία ακτίνων Χ και η κρυο-ηλεκτρονική μικροσκοπία.

Αυτό δημιούργησε επιφυλάξεις για το κατά πόσο το σύστημα της DeepMind θα μπορούσε να αξιοποιηθεί στη φαρμακευτική, αφού οι δομές των πρωτεϊνών πρέπει να είναι γνωστές προκειμένου να αναγνωριστούν φάρμακα που συνδέονται πάνω τους.

Η νέα διεθνής μελέτη, η οποία δεν έχει υποβληθεί ακόμα σε ανεξάρτητο έλεγχο και παρουσιάζεται ως προδημοσίευση στο αποθετήριο BioRxiv, συγκρίνει με εργαστηριακές μεθόδους τις προβλέψεις της ΑΙ και τα αποτελέσματα των παραδοσιακών τεχνικών.

Οι ερευνητές διαπιστώνουν ότι τα υποψήφια φάρμακα που πρότεινε η ΑΙ είναι εντελώς διαφορετικά από αυτά που υποδεικνύουν οι συμβατικές μέθοδοι.

«Δεν υπήρχαν ούτε δύο ίδια μόρια. Δεν έμοιαζαν καν μεταξύ τους» είπε ο Μπράιαν Σόιτσετ του Πανεπιστημίου της Καλιφόρνια στο Σαν Φρανσίσκο, μέλος της ερευνητικής ομάδας.

Όμως, προς μεγάλη έκπληξη των ερευνητών, το AlphaFold ήταν εξίσου πιθανό να πέσει μέσα στις προβλέψεις του όσο οι συμβατικές μέθοδοι. Σε κάποιες κατηγορίες πρωτεϊνών, το ποσοστό επιτυχίας εκτιμάται ότι φτάνει το 60%.

Το νούμερο αυτό είναι αρκετά υψηλό για την αξιοποίηση της τεχνολογίας στη φαρμακευτική έρευνα, λένε οι ερευνητές.

Ψυχεδέλεια

Η μελέτη δοκίμασε το AlphaFοld στην αναγνώριση φαρμάκων που συνδέονται σε δύο υποδοχείς του εγκεφάλου οι οποίοι πιστεύεται ότι εμπλέκονται σε ψυχικές διαταραχές.

Οι υποδοχείς αυτοί έχουν αναγνωριστεί ως υποψήφιοι στόχοι για νέα αντικαταθλιπτικά φάρμακα, είναι όμως γνωστό ότι ενεργοποιούνται και από ψυχεδελικές ουσίες όπως το LSD.

Πολλά από τα χιλιάδες μόρια που πρότεινε η τεχνητή νοημοσύνη είναι αναμενόμενο να έχουν κι αυτά ψυχεδελικές ιδιότητες, η ελπίδα όμως είναι ότι κάποια από αυτά θα ενεργοποιούν τους υποδοχείς χωρίς τέτοιες παρενέργειες.

Η νέα προσέγγιση θα μπορούσε να επιταχύνει πολλή τη βασική έρευνα που απαιτείται πριν ξεκινήσουν κλινικές δοκιμές υποψήφιων νέων φαρμάκων, επισήμανε ο δρ Σόιτσετ.

Αναγνώρισε ωστόσο ότι υπάρχουν πολλές κατηγορίες πρωτεϊνών στις οποίες το AlphaFold έχει ακόμα κακές επιδόσεις.

Ήδη όμως η DeepMind έχει ιδρύσει τη θυγατρική Isomorphic Labs για την εμπορική αξιοποίηση της τεχνολογίας.

Η εταιρεία έχει ήδη συνάψει συμβόλαια με τους γίγαντες της φαρμακοβιομηχανίας Novartis και Eli Lilly.

Πηγή: In.gr