Преобразование открытия лекарств с помощью ИИ

Новая программа на базе искусственного интеллекта позволит исследователям повысить уровень своих усилий по открытию лекарств.

Программа под названием TopoFormer была разработана междисциплинарной командой под руководством Гуовея Вэя, профессора факультета математики Исследовательского фонда Мичиганского государственного университета. TopoFormer переводит трехмерную информацию о молекулах в данные, которые могут использовать типичные модели взаимодействия лекарств на основе искусственного интеллекта, расширяя возможности этих моделей прогнозировать, насколько эффективным может быть лекарство.

«Благодаря ИИ вы сможете делать открытие лекарств быстрее, эффективнее и дешевле», — сказал Вэй, который также работает на кафедре биохимии и молекулярной биологии и на кафедре электротехники и вычислительной техники.

Вэй и его команда опубликовали статью о своей работе в журнале Nature Machine Intelligence.

Инструкция по структуре

По словам Вэя, в Соединенных Штатах разработка одного лекарства занимает примерно десятилетие и стоит около 2 миллиардов долларов. По его словам, тестирование препарата в ходе испытаний отнимает примерно половину этого времени, но другая половина уходит на поиск нового терапевтического кандидата для тестирования.

TopoFormer может сократить время разработки. При этом это может снизить затраты на разработку, что может снизить цену препарата для потребителей. Это может быть особенно полезно для лечения редких заболеваний, поскольку ограниченное количество пациентов означает, что фармацевтическим компаниям придется взимать больше средств, чтобы окупить затраты.

Хотя исследователи в настоящее время используют компьютерные модели для открытия лекарств, существуют ограничения, вытекающие из множества переменных проблемы.

«В нашем организме более 20 000 белков», — сказал Вэй. «Когда возникает болезнь, она поражает одну или несколько из них».

Таким образом, первым шагом является изучение того, какой белок или белки поражает болезнь. Эти белки также становятся мишенью для исследователей, которые хотят найти молекулы, которые могут предотвратить, минимизировать или противодействовать последствиям заболевания.

«Когда у меня есть цель, я пытаюсь найти много потенциальных лекарств для этой конкретной цели», — сказал Вэй.

Как только ученые узнают, на какие белки воздействовать лекарством, они смогут ввести молекулярные последовательности белка и потенциальных лекарств в обычные компьютерные модели. Модели предсказывают, как лекарства и мишень будут взаимодействовать, определяя решения о том, какие лекарства разрабатывать и тестировать в клинических испытаниях.

Хотя эти модели могут предсказать некоторые взаимодействия, основываясь только на химическом составе лекарства и белка, они также упускают из виду важные взаимодействия, которые обусловлены молекулярной формой и трехмерной, или 3D, структурой.

Ибупрофен, открытый химиками в 1960-х годах, является одним из примеров этого. Существуют две разные молекулы ибупрофена, которые имеют одинаковую химическую последовательность, но имеют несколько разные трехмерные структуры. Только одна структура имеет такую ​​форму, которая может связываться с белками, связанными с болью, и устранять головную боль.

«Современные модели глубокого обучения не могут учитывать форму лекарств или белков при прогнозировании того, как они будут работать вместе», — сказал Вэй.

Вот тут-то и приходит на помощь TopoFormer. Это модель трансформера, тот же тип искусственного интеллекта, который используется чат-ботом Open AI, ChatGPT (GPT означает «генеративный предварительно обученный преобразователь»).

Это означает, что TopoFormer обучен считывать информацию в одной форме и преобразовывать ее в другую. В этом случае он берет трехмерную информацию о том, как взаимодействуют белки и лекарства, исходя из их формы, и воссоздает ее как одномерную информацию, которую могут понять современные модели.

Фактически, «Топо» означает «топологический лапласиан», который относится к математическим инструментам, которые Вэй и его команда изобрели для преобразования 3D-структур в 1D-последовательности.

Новая модель обучена на десятках тысяч взаимодействий белок-лекарство, где каждое взаимодействие между двумя молекулами записывается как фрагмент кода или «слово». Слова соединяются вместе, чтобы создать описание комплекса лекарство-белок, создавая запись его формы.

«Таким образом, у вас есть много-много слов, связанных вместе, как предложение», — сказал Вэй.

Эти предложения затем могут быть прочитаны другими моделями, которые предсказывают новые взаимодействия лекарств и придают им больше контекста. Если новый препарат — это книга, TopoFormer может взять черновую идею истории и превратить ее в полноценную сюжетную линию, готовую к написанию.

Чен Д., Лю Дж., Вэй Г.В.
Многомасштабный преобразователь структуры в последовательность с поддержкой топологии для прогнозирования взаимодействия белка и лиганда.
Международный аэропорт Нат-Мах, 2024 год. doi: 10.1038/s42256-024-00855-1