Σε μια σημαντική πρόοδο για την φαρμακευτική έρευνα, επιστήμονες του Πολιτειακού Πανεπιστημίου του Οχάιο δημιούργησαν ένα σύστημα τεχνητής νοημοσύνης που θα μπορούσε να φέρει επανάσταση στην ανάπτυξη νέων φαρμάκων.
Το νέο γενετικό μοντέλο τεχνητής νοημοσύνης, με την ονομασία DiffSMol, αναπτύχθηκε από μια ομάδα υπό την καθοδήγηση της καθηγήτριας Xia Ning από τα τμήματα βιοϊατρικής πληροφορικής και επιστήμης υπολογιστών και μηχανικής του πανεπιστημίου. Το DiffSMol λειτουργεί αναλύοντας τις μορφές γνωστών λιγανδών – μορίων που συνδέονται με πρωτεϊνικούς στόχους – και χρησιμοποιεί αυτές τις μορφές ως συνθήκες για τη δημιουργία εντελώς νέων τρισδιάστατων μορίων με ενισχυμένες ιδιότητες σύνδεσης.
«Χρησιμοποιώντας γνωστές μορφές ως συνθήκη, μπορούμε να εκπαιδεύσουμε το μοντέλο μας να παράγει νέα μόρια με παρόμοιες μορφές που δεν υπάρχουν στις υπάρχουσες χημικές βάσεις δεδομένων», εξήγησε η Ning. Η αποτελεσματικότητα του συστήματος είναι αξιοσημείωτη – κατά τη δημιουργία μορίων με δυνατότητα επιτάχυνσης της ανάπτυξης φαρμάκων, το DiffSMol πέτυχε ποσοστό επιτυχίας 61,4%, ξεπερνώντας κατά πολύ προηγούμενες προσπάθειες που έφταναν μόλις το 12%.
Οι ερευνητές επέδειξαν τις δυνατότητες του DiffSMol μέσω μελετών περίπτωσης σε μόρια που στοχεύουν την κυκλίνη-εξαρτώμενη κινάση 6 (CDK6), η οποία ρυθμίζει τον κυτταρικό κύκλο και μπορεί να αναστείλει την ανάπτυξη καρκίνου, και την νεπριλυσίνη (NEP), που χρησιμοποιείται σε θεραπείες για την επιβράδυνση της εξέλιξης του Αλτσχάιμερ. Τα αποτελέσματα έδειξαν ότι τα μόρια που παρήχθησαν από την τεχνητή νοημοσύνη θα ήταν πιθανότατα ιδιαίτερα αποτελεσματικά, με το DiffSMol να υπερέχει των βασικών μεθόδων ως προς τη συγγένεια σύνδεσης κατά 13,2% και κατά 17,7% όταν συνδυάστηκε με καθοδήγηση μορφής.
Αυτό το επίτευγμα έρχεται καθώς ο FDA θεσπίζει νέα ρυθμιστικά πλαίσια για την τεχνητή νοημοσύνη στην ανάπτυξη φαρμάκων. Τον Ιανουάριο του 2025, ο οργανισμός δημοσίευσε προσχέδιο οδηγιών με τίτλο «Εξετάσεις για τη Χρήση Τεχνητής Νοημοσύνης προς Υποστήριξη Ρυθμιστικών Αποφάσεων για Φαρμακευτικά και Βιολογικά Προϊόντα», παρέχοντας συστάσεις για τη χρήση της τεχνητής νοημοσύνης στη λήψη ρυθμιστικών αποφάσεων σχετικά με την ασφάλεια, την αποτελεσματικότητα και την ποιότητα των φαρμάκων.
Ενώ η παραδοσιακή ανάπτυξη φαρμάκων διαρκεί συνήθως περίπου μια δεκαετία από την ανακάλυψη έως την κυκλοφορία στην αγορά, προσεγγίσεις που βασίζονται στην τεχνητή νοημοσύνη όπως το DiffSMol θα μπορούσαν να συμπιέσουν σημαντικά αυτό το χρονοδιάγραμμα. Η ερευνητική ομάδα έχει διαθέσει τον κώδικα του DiffSMol σε άλλους επιστήμονες, αν και αναγνωρίζει τρέχοντες περιορισμούς – το σύστημα μπορεί να παράγει νέα μόρια μόνο βάσει των μορφών γνωστών λιγανδών, περιορισμός που ελπίζουν να ξεπεράσουν σε μελλοντική εργασία.