La scoperta di farmaci basata sull'intelligenza artificiale da parte di Pfizer e dell'istituto austriaco è pronta a trasformare l'assistenza sanitaria

Pfizer, la principale azienda farmaceutica, e il Centro di ricerca per la medicina molecolare dell'Accademia austriaca delle scienze (CeMM) hanno sviluppato un metodo di scoperta di farmaci basato sull'intelligenza artificiale. Il nuovo approccio, frutto di uno sforzo pionieristico, può potenzialmente accelerare il periodo durante il quale vienedentil principio attivo con potenziale terapeutico; il progresso più importante è stato compiuto nel campo della ricerca farmaceutica.

Svelata la scoperta di un farmaco basato sull'intelligenza artificiale

Su The Science Journal, un team di ricercatori del CeMM ha progettato una piattaforma di apprendimento automatico basata sull'intelligenza artificiale per visualizzare le preferenze di legame di centinaia di piccole molecole a migliaia di diverse proteine ​​umane. Questa piattaforma innovativa crea dati approfonditi sulle interazioni tra piccole molecole e proteine ​​per gestire il database, che rappresenta un punto di partenza fondamentale per accelerare la ricerca sui farmaci.

Esiste una lacuna nelle informazioni sullo sviluppo dei farmaci riguardo all'interazione delle piccole molecole con le proteine ​​umane. Questa relazione non è stata ampiamente studiata. Sebbene le piccole molecole siano una componente chiave dello sviluppo dei farmaci, solo una minima parte delle proteine ​​umane, note anche come ligandi, rende difficile, dal punto di vista terapeutico e scientifico, promuovere l'innovazione e la comprensione di base.

Scala e impattodentprecedenti

Gli scienziati hanno adottato una strategia di proteomica chimica utilizzando circa 407 diversi ligandi di frammenti di piccole molecole per colpire aree specifiche di proteine ​​umane. Utilizzando questo approccio, hanno rilevato quasi 47,7 mila interazioni proteina-ligando precise, che riguardano 2.600 proteine ​​diverse. È interessante notare che quasi il 90% delle proteine ​​in formazione non presenta ligandi noti, un grande merito del lavoro congiunto.

Questo studio ha un significato accademico e implicazioni più ampie per la sua trasposizione nel trattamento di bersagli proteici mediante la sintesi di analoghi dei ligandi. Inoltre, i big data sono stati determinanti nella creazione di strutture di apprendimento automatico in grado di prevedere il comportamento di piccole molecole nei sistemi biologici. Ciò ha apportato notevoli benefici alla ricerca scientifica.

Accesso aperto e iniziative collaborative

Il nuovo approccio scientifico della scienza aperta è al centro di questa iniziativa collaborativa. Tutti i modelli e i dati creati nell'ambito di questo progetto sono disponibili gratuitamente all'intera comunità scientifica. Queste risorse, unite dall'obiettivo comune di combattere le infezioni farmacoresistenti, stimoleranno la collaborazione e contribuiranno al progresso collettivo del processo di scoperta dei farmaci. Gli scienziati possono accedere ed esplorare la ricchezza di informazioni di CeMM e Pfizer attraverso un'applicazione web intuitiva, favorendo ulteriori innovazioni e scoperte.

La partnership tra Pfizer e CeMM incarna un cambio di paradigma nello sviluppo terapeutico. Utilizza l'intelligenza artificiale e l'apprendimento automatico per ottimizzare più rapidamente i processi e individuare i farmaci per il trattamento. Questo lavoro pionieristico avrà la massima influenza sull'industria farmaceutica perché ha il potenziale di chiarire i meccanismi delle interazioni tra proteine ​​e piccole molecole.

Coinvolgere i principali attori dell'industria farmaceutica e collaborare con le istituzioni accademiche come partner sarà sempre più importante in futuro, per continuare a innovare e trattare le problematiche mediche che richiedono attenzione. Il lavoro appena svolto da Pfizer e CeMM rafforza il fatto che tali collaborazioni hanno un grande potenziale, che potrebbe aprire la strada allo sviluppo di nuovi farmaci.