חוקרים באוניברסיטת סן דייגו יצרו אלגוריתם למידת מכונה, POLYGON, המשפר גילוי מוקדם של תרופות על ידי הדמיית כימיה מורכבת, ובכך מאיץ את תהליך הפיתוח. כלי בינה מלאכותית זה לא רק מזהה תרופות מועמדות במהירות, אלא גם מתמקד במולקולות מרובות מטרות, מה שעלול להפחית את תופעות הלוואי הנראות בטיפולים משולבים מסורתיים. קרדיט: twoday.co.il.com
הפלטפורמה החדשה עזרה למדענים באוניברסיטת סן דייגו לסנתז 32 תרופות פוטנציאליות לסרטן רב-מטרות.
מדענים באוניברסיטת סן דייגו פיתחו א למידת מכונה אלגוריתם לדמות כימיה גוזלת זמן מעורבת בשלבים המוקדמים ביותר של גילוי תרופות, מה שיכול לייעל משמעותית את התהליך ולפתוח דלתות לטיפולים שטרם נראו. זיהוי תרופות מועמדות לאופטימיזציה נוספת כרוך בדרך כלל באלפי ניסויים בודדים, אך פלטפורמת הבינה המלאכותית החדשה (AI) עשויה להניב את אותן התוצאות בחלק מהזמן.
החוקרים השתמשו בכלי החדש, שתואר היום (6 במאי) ב תקשורת טבעלסנתז 32 מועמדים לתרופות חדשות לסרטן.
השינוי לכיוון בינה מלאכותית בתרופות
הטכנולוגיה היא חלק ממגמה חדשה אך צומחת במדע התרופות של שימוש בבינה מלאכותית לשיפור גילוי ופיתוח תרופות.
הסופר הבכיר טריי אידקר, בתמונה כאן, הוא פרופסור לרפואה, מדעי המחשב והנדסה ביולוגית באוניברסיטת קליפורניה בסן דייגו. קרדיט: אריק ג'פסן/UC סן דייגו
"לפני כמה שנים, בינה מלאכותית הייתה מילה גסה בתעשיית התרופות, אך כעת המגמה היא בהחלט הפוכה, כאשר חברות סטארט-אפ ביוטכנולוגיה מתקשות לגייס כספים מבלי להתייחס לבינה מלאכותית בתוכנית העסקית שלהן", אמר הסופר הבכיר טריי אידקר, פרופסור במחלקה לרפואה בבית הספר לרפואה של אוניברסיטת סן דייגו ופרופסור נלווה לביו-הנדסה ומדעי המחשב בבית הספר להנדסה בסן דייגו ג'ייקובס. "גילוי תרופות מונחה בינה מלאכותית הפך לתחום פעיל מאוד בתעשייה, אבל בניגוד לשיטות המפותחות בחברות, אנחנו הופכים את הטכנולוגיה שלנו לקוד פתוח ונגישה לכל מי שרוצה להשתמש בה".
היתרונות של גילוי תרופות רב-מטרות
הפלטפורמה החדשה, הנקראת POLYGON, ייחודית בין כלי בינה מלאכותית לגילוי תרופות בכך שהיא יכולה לזהות מולקולות עם מטרות מרובות, בעוד פרוטוקולי גילוי תרופות קיימים כיום נותנים עדיפות לטיפולי מטרה אחת. תרופות מרובות מטרות מעוררות עניין רב אצל רופאים ומדענים בגלל הפוטנציאל שלהן לספק את אותן היתרונות כמו טיפול משולב, שבו מספר תרופות שונות משמשות יחד לטיפול בסרטן, אך עם פחות תופעות לוואי.
"לוקח שנים רבות ומיליוני דולרים למצוא ולפתח תרופה חדשה, במיוחד אם אנחנו מדברים על תרופה עם מספר יעדים." אמר אידקר. "מעט התרופות הרב-מטרות הנדירות שיש לנו התגלו ברובן במקרה, אבל הטכנולוגיה החדשה הזו יכולה לעזור להוציא את הסיכויים מהמשוואה ולהתניע דור חדש של רפואה מדויקת".
כיצד פועל POLYGON
החוקרים הכשירו את POLYGON על מסד נתונים של למעלה ממיליון מולקולות ביו-אקטיביות ידועות המכילות מידע מפורט על התכונות הכימיות שלהן ואינטראקציות ידועות עם מטרות חלבון. על ידי למידה מדפוסים שנמצאו במסד הנתונים, POLYGON מסוגלת לייצר נוסחאות כימיות מקוריות לתרופות מועמדות חדשות שסביר להניח שיהיו בעלות תכונות מסוימות, כמו היכולת לעכב חלבונים ספציפיים.
"בדיוק כמו שבינה מלאכותית עכשיו טובה מאוד ביצירת ציורים ותמונות מקוריות, כמו יצירת תמונות של פנים אנושיות על סמך תכונות רצויות כמו גיל או מין, POLYGON מסוגלת ליצור תרכובות מולקולריות מקוריות המבוססות על תכונות כימיות רצויות", אמר אידקר. "במקרה הזה, במקום להגיד ל-AI כמה בנות אנחנו רוצים שהפנים שלנו ייראו, אנחנו אומרים לה איך אנחנו רוצים שהתרופה העתידית שלנו תיצור אינטראקציה עם חלבוני המחלה."
מחברת המחקר, קתרין ליקון, שצולמה כאן על הספסל, היא מנהלת מעבדה של מעבדת Ideker באוניברסיטת סן דייגו, המשלבת טכניקות חישוביות ומסורתיות של מעבדה רטובה כדי לענות על שאלות בסיסיות על ביולוגיה של המחלה ולגלות דרכים חדשות לשיפור רפואת הדיוק. קרדיט: אריק ג'פסן/UC סן דייגו
בדיקות ותוצאות
כדי להעמיד את POLYGON במבחן, החוקרים השתמשו בו כדי ליצור מאות תרופות מועמדות המכוונות לזוגות שונים של חלבונים הקשורים לסרטן. מתוכם, החוקרים סינתזו 32 מולקולות שהיו להן את האינטראקציות החזויות החזקות ביותר עם חלבוני MEK1 ו-mTOR, זוג חלבוני איתות תאיים המהווים יעד מבטיח לטיפול משולב בסרטן. שני החלבונים האלה הם מה שמדענים מכנים קטלניים מבחינה סינתטית, מה שאומר שעיכוב שניהם יחד מספיק כדי להרוג תאים סרטניים גם אם עיכוב אחד לבדו אינו.
החוקרים גילו שלתרופות שהם סינתזו הייתה פעילות משמעותית נגד MEK1 ו-mTOR, אך היו מעט תגובות מחוץ למטרה עם חלבונים אחרים. זה מצביע על כך שאחת או יותר מהתרופות שזוהו על ידי POLYGON יכולות למקד את שני החלבונים כטיפול בסרטן, ולספק רשימה של אפשרויות לכוונון עדין על ידי כימאים אנושיים.
"ברגע שיש לך את התרופות המועמדות, אתה עדיין צריך לעשות את כל הכימיה האחרת הנדרשת כדי לחדד את האפשרויות האלה לטיפול יחיד ויעיל", אמר אידקר. "אנחנו לא יכולים ולא צריכים לנסות לחסל את המומחיות האנושית מצינור גילוי התרופות, אבל מה שאנחנו יכולים לעשות זה לקצר כמה שלבים בתהליך."
עתיד הבינה המלאכותית בגילוי סמים
למרות זהירות זו, החוקרים אופטימיים שהאפשרויות של AI לגילוי תרופות נבדקות רק עכשיו.
"לראות איך הקונספט הזה מתגלגל בעשור הבא, הן באקדמיה והן במגזר הפרטי, הולך להיות מרגש מאוד", אמר אידקר. "האפשרויות הן כמעט אינסופיות."
מחברי המחקר כוללים: ברנטון מונסון, מייקל צ'ן, אודרי בוגוסיאן, ג'ייסון קרייסברג, קתרין ליקון, אבגיאן רובן וברנט קונזי, כולם באוניברסיטת סן דייגו.
מחקר זה מומן, בחלקו, על ידי ה המכונים הלאומיים לבריאות (מענקים CA274502, GM103504, ES014811, CA243885, CA212456).
