Nowy algorytm AI rewolucjonizuje projektowanie leków, podpowiadając naukowcom, jak je wytwarzać

W świecie farmacji, gdzie lata badań i miliardy dolarów często oddzielają obiecującą substancję od gotowego leku, każda innowacja skracająca ten proces jest na wagę złota. Nowe narzędzie AI, stworzone przez badaczy z Simon Fraser University (SFU), może być właśnie takim przełomem.

Dotychczas sztuczna inteligencja sprawdzała się przede wszystkim w projektowaniu obiecujących struktur molekularnych, które teoretycznie mogą przeciwdziałać chorobom. Problem polegał na tym, że wiele z tych idealnych cząsteczek okazywało się niemożliwych do wytworzenia w rzeczywistych warunkach laboratoryjnych. Nowa metoda ma radykalnie zredukować czas i koszty związane z odkrywaniem i produkcją leków na powszechne choroby, takie jak nowotwory.

„Opracowanie nowego leku jest niezwykle czasochłonnym i kosztownym procesem – zazwyczaj trwa to 10 lat i kosztuje miliard dolarów” – wyjaśnia Martin Ester, profesor informatyki na SFU. „Mamy nadzieję, że nasza metoda znacząco skróci ten proces, umożliwiając szybsze odkrywanie, produkcję i udostępnianie nowych leków, które pomogą w leczeniu chorób.”

Kluczowym wyzwaniem w projektowaniu leków przez AI jest znalezienie realistycznej ścieżki syntezy – innymi słowy, opracowanie realnej receptury chemicznej umożliwiającej zbudowanie danej cząsteczki. Bez tego nawet najbardziej obiecujące projekty cząsteczek tworzonych przez algorytmy często trafiają do kosza, co generuje straty czasu i zasobów.

Tony Shen, doktorant SFU i główny autor publikacji, porównuje ten proces do projektowania klucza pasującego do konkretnego zamka. „Walka z chorobą zaczyna się od identyfikacji białka, które ją powoduje. Następnie, za pomocą modeli komputerowych, projektujemy cząsteczki, które będą wiązać się z tym białkiem, często dezaktywując je i powstrzymując jego szkodliwe działanie.”

Nowa metoda, nazwana CGFlow, opiera się na dwutorowym podejściu, umożliwiającym AI jednoczesne modelowanie sposobu konstruowania cząsteczki i jej wyglądu w przestrzeni 3D. To połączenie jest kluczowe dla generowania cząsteczek, które są nie tylko skuteczne biologicznie, ale również wykonalne do wyprodukowania w procesie chemicznym.

Zamiast projektować cząsteczki w jednym kroku, CGFlow składa je stopniowo, niczym rzeźbiarz dodający kolejne fragmenty gliny. W każdym kroku AI uczy się, jak nowy element zmienia ogólny kształt i funkcję cząsteczki, co przekłada się na dokładniejsze i bardziej efektywne projekty.

Potencjał modelu jest już dostrzegany poza murami uczelni. Kilka firm rozważa wdrożenie CGFlow w procesie wstępnego odkrywania leków na raka, co daje nową nadzieję w walce z tą złożoną chorobą.

„Następnym krokiem jest przeniesienie naszej metody do przemysłu, aby mogła być wykorzystywana i ulepszana. Jesteśmy bardzo zainteresowani współpracą z firmami w celu oceny i dalszego rozwoju CGFlow w praktycznych zastosowaniach” – dodaje Ester. Zastosowanie tej metody może zrewolucjonizować podejście do tworzenia nowych leków i udostępnić je potrzebującym chorym szybciej niż dotychczas.