In uno sviluppo rivoluzionario per la progettazione di vaccini e l'immunoterapia, i ricercatori della Pritzker School of Molecular Engineering (PME) dell'Università di Chicago hanno sfruttato le capacità dell'apprendimento automatico perdentnuove molecole che potenziano i percorsi immunitari. Lo studio, recentemente pubblicato sulla rivista Chemical Science, mostra il potenziale dell'intelligenza artificiale (IA) nel rivoluzionare la ricerca di immunomodulatori, componenti cruciali per lo sviluppo di vaccini più efficaci e immunoterapie efficaci contro il cancro.
Un vasto spazio chimico esplorato
La sfidadentle molecole giuste per suscitare la risposta immunitaria desiderata è stata ardua, data la stima sbalorditiva di 10^60 piccole molecole simili a farmaci, che supera di gran lunga il numero di stelle visibili nell'universo. Per navigare in questo vasto spazio chimico, il team di ricerca, guidato dal Prof. Aaron Esser-Kahn, ha utilizzato tecniche di apprendimento automatico, un metodo mai applicato in precedenza in questo modo per la scoperta di immunomodulatori.
Processo di screening guidato dall'intelligenza artificiale
Il team ha avviato uno screening ad alto rendimento di 40.000 combinazioni di molecole per valutarne l'impatto sui percorsi immunitari innati, prendendo di mira specificamente i percorsi NF-κB e IRF, cruciali per l'infiammazione e le risposte antivirali. Successivamente, i ricercatori hanno combinato i risultati con una libreria di quasi 140.000 piccole molecole disponibili in commercio per guidare un processo computazionale e sperimentale iterativo.
Utilizzando l'apprendimento attivo, una tecnica di apprendimento automatico che naviga in modo efficiente lo screening sperimentale nello spazio molecolare, lodent laureato Yifeng (Oliver) Tang ha guidato il progetto. Il processo è stato iterativo, con il modello che suggeriva potenziali candidati o aree inesplorate, spingendo il team a condurre analisi ad alto rendimento e a reinserire i dati nell'algoritmo di apprendimento attivo. Sorprendentemente, dopo soli quattro cicli, campionando solo il 2% della libreria, il team hadentpiccole molecole ad alte prestazioni precedentemente sconosciute.
Risultati da record
La scoperta guidata dall'intelligenza artificiale ha rivelato piccole molecole con prestazioni record, superando l'intuizione umana. Questi candidati ad alte prestazioni hanno dimostrato un notevole miglioramento del 110% nell'attività di NF-κB, un aumento dell'83% nell'attività di IRF e una sorprendente soppressione del 128% dell'attività di NF-κB. Una molecola di spicco ha mostrato un aumento di tre volte della produzione di IFN-β quando somministrata con un agonista STING, dimostrandosi promettente per il trattamento del cancro.
I generalisti e la loro versatilità
La ricerca ha anche portato alla luce i cosiddetti "generalisti", immunomodulatori in grado di modificare i percorsi terapeutici quando somministrati in associazione ad agonisti, sostanze chimiche che attivano i recettori cellulari. Queste piccole molecole versatili potrebbero potenzialmente svolgere un ruolo poliedrico in vari vaccini, rendendoli più facili da immettere sul mercato. Il Prof. Andrew Ferguson ha sottolineato l'entusiasmo che circonda la prospettiva di una singola molecola che contribuisca a un ampio spettro di vaccini.
Svelare i segreti molecolari
Per acquisire informazioni sulle caratteristiche delle molecoledent, il team ha condotto un'analisi approfondita delle caratteristiche chimiche comuni che promuovevano comportamenti desiderabili. Questa conoscenza consente di concentrarsi in modo mirato su molecole con caratteristiche specifiche o di progettare razionalmente nuove molecole con gruppi chimicident.
I ricercatori intendono proseguire questo processo innovativo, puntando adentmolecole con un'attività immunitaria più specifica ed esplorando combinazioni che offrano un migliore controllo della risposta immunitaria. Il Prof. Esser-Kahn ha espresso l'obiettivo finale: trovare molecole in grado di curare le malattie.
Un cambio di paradigma nella progettazione dei vaccini
L'uso dell'apprendimento automatico per guidare la scoperta di immunomodulatori segna un cambio di paradigma nella progettazione di vaccini e nell'immunoterapia. Il successo di questo approccio basato sull'intelligenza artificiale non solo accelera l'dentdi molecole potenti, ma apre anche nuove strade alla collaborazione all'interno della comunità scientifica. Mentre il team non vede l'ora di ampliare la propria ricerca di molecole, incoraggia la condivisione di set di dati per migliorare l'efficienza e l'impatto di questa ricerca trasformativa.
