L'apprendimento automatico accelera la scoperta di farmaci

In un impegno di ricerca rivoluzionario, gli scienziati dell'Università della Finlandia Orientale hanno sbloccato una nuova era nella scoperta di farmaci, sfruttando il potenziale dell'apprendimento automatico. Attraverso una partnership strategica con esperti del settore e le capacità computazionali dei supercomputer, questa collaborazione ha prodotto risultati notevoli, comprimendo significativamente il tempo richiesto per lo screening virtuale dei farmaci.

Questo articolo fornisce approfondimenti completi su questa metodologia pionieristica, sottolineando le sue implicazioni per il settore farmaceutico e la comunità scientifica più ampia.

Screening virtuale pionieristico

Il regno dello screening virtuale, una fase cruciale nella ricerca di nuovi composti farmaceutici, ha subito una trasformazione monumentale grazie all'integrazione della apprendimento automatico. I ricercatori si sono affidati a tecniche assistite da computer rapide per setacciare estese librerie di composti, cercando potenziali agenti per target specifici legati ai farmaci.

Tuttavia, l'esplosione nella dimensione di queste librerie ha superato le capacità anche dei supercomputer più avanzati. Di conseguenza, lo screening di una libreria di composti su scala di un miliardo contro un singolo target farmacologico potrebbe richiedere diversi mesi o persino anni, presentando una sfida formidabile per l'industria.

Lo studio storico

In una recente pubblicazionesul Journal of Chemical Information and Modeling, la dottoressa Ina Pöhner e i suoi stimati colleghi della Scuola di Farmacia dell'Università della Finlandia Orientale. In partnership con CSC – IT Center for Science Ltd., l'apice del supercomputing in Finlandia, e collaboratori industriali chiave di Orion Pharma, si sono imbarcati in una missione per sfruttare il potenziale dell'apprendimento automatico per lo screening virtuale su scala giga.

I ricercatori hanno stabilito meticolosamente una linea di base prima di introdurre l'intelligenza artificiale nel loro flusso di lavoro. Si sono imbarcati in una campagna di screening virtuale monumentale che ha valutato uno sbalorditivo 1,56 miliardi di molecole simili a farmaci contro due target farmacologicamente pertinenti. Questo sforzo esaustivo, durato quasi mezzo anno, è stato eseguito con l'assistenza dei supercomputer Mahti e Puhti, impiegando la tecnica del docking molecolare. Questo metodo computazionale esamina la compatibilità di piccole molecole con il sito di legame di un target.

L'apprendimento automatico in prima linea

Seguendo la fase intensiva di docking, i risultati sono stati sottoposti a un processo di screening potenziato dall'apprendimento automatico orchestrato attraverso HASTEN, uno strumento che il dottor Tuomo Kalliokoski di Orion Pharma ha ideato. HASTEN sfrutta il potere dell'apprendimento automatico per decifrare le proprietà intricate delle molecole e il loro impatto sul punteggio dei composti. Sfruttando un vasto dataset accumulato attraverso il docking convenzionale, il modello di apprendimento automatico può prevedere rapidamente i punteggi di docking per altri composti nella libreria, superando drammaticamente l'approccio di docking brute-force intensivo in termini di risorse.

I risultati non sono stati nulla di meno che straordinari. Con un semplice 1% dell'intera libreria docked e utilizzata come dati di addestramento, HASTEN ha identificato il 90% dei composti con il punteggio più alto in meno di dieci giorni. Questo risultato rappresenta un salto quantico in efficienza, evidenziando il potenziale trasformativo dell'apprendimento automatico nel rivoluzionare il panorama della scoperta di farmaci.

Il trionfo di questa ricerca è una testimonianza della sinergia tra accademia e industria. Il professor Antti Poso, che guida il gruppo di scoperta di farmaci computazionali all'interno della Comunità di Ricerca DrugTech dell'Università della Finlandia Orientale, ha sottolineato il ruolo cruciale che le risorse computazionali all'avanguardia di CSC hanno svolto nel realizzare i loro obiettivi ambiziosi. Questa collaborazione è esemplare, illustrando come l'amalgamazione di idee, risorse e tecnologia all'avanguardia possa spingere la ricerca scientifica a vette inarrivabili.

Dati aperti come catalizzatore per l'innovazione futura

Riconoscendo l'importanza suprema della divulgazione della conoscenza, gli autori dello studio hanno generosamente reso disponibili al pubblico sostanziali dataset. Questi dataset comprendono una libreria di screening prontamente deployabile per il docking, dando ai ricercatori colleghi la possibilità di accelerare i loro sforzi di screening. 

Inoltre, il dataset comprendente 1,56 miliardi di risultati di docking dei composti per due target è stato svelato come dati di benchmark. Questo gesto filantropico non solo favorisce la collaborazione, ma apre anche la strada allo sviluppo di strumenti che possono semplificare i processi, risparmiare risorse e avanzare il campo della scoperta di farmaci computazionali.