Dal MIT l’intelligenza artificiale per progettare i farmaci del futuro

Alàn Aspuru-Guzik, con il suo team di ricercatori del MIT, sta lavorando al software che potrebbe cambiare radicalmente la ricerca farmacologica. Grazie all’introduzione dell’intelligenza artificiale e ai test "in silico".

La ricerca di nuovi farmaci è un percorso lunghissimo, ad ostacoli. Si parte con alcune molecole candidate alla terapia che vengono prima testate su colture di cellule e con saggi di laboratorio definiti in vitro. Quelle che risultano più efficaci passano agli step successivi che coinvolgeranno animali da laboratorio (test in vivo) e infine studi su pazienti umani (trial clinici). Parliamo di anni di ricerca e ingenti somme investite per realizzare un farmaco efficace e il più possibile sicuro. Grazie ai computer, a monte di questo percorso si è aggiunta negli ultimi anni un’ulteriore fase in cui le molecole più promettenti vengono previste prima della loro sintesi sulla base di simulazioni virtuali. Questa fase passa sotto il nome di test in silico.

5312406_how-artificial-intelligence-can-make-drugs_50533ea3_m

Simulare una molecola significa inserire un’enorme mole di dati, la chimica a noi nota, all’interno di software che necessitano di una potenza di calcolo non indifferente. Oltre a questo, un costante supporto da parte dei ricercatori umani. C’è però chi pensa che la ricerca in silico possa cambiare esponenzialmente grazie all’introduzione dell’intelligenza artificiale. Parliamo di Alàn Aspuru-Guzik che, con il suo team di ricercatori del MIT, sta lavorando al software che potrebbe cambiare radicalmente la ricerca farmacologica.

Aspuru-Guzik AI MIT

Un archivio speciale

ArXiv è un archivio online che nasce nel 1991 grazie a Paul Ginsparg con lo scopo di ospitare le bozze definitive (pre-prints) delle pubblicazioni scientifiche prima che vengano accettate come paper ufficiali (e spesso a pagamento). ArXiv rappresenta la piattaforma di lancio e confronto per migliaia di ricercatori in tutto il mondo. E’ tutto gratuito, totalmente open, vale la pena darci un’occhiata. Ed è proprio qui che potete trovare i primi risultati dello studio di Aspuru-Guzik.

Il team del MIT sta sviluppando un programma che ruota attorno alla IA e al deep learning. L’IA non riceve passivamente i dati e parametri chimici dagli studiosi, piuttosto viene educata studiando le proprietà di migliaia di molecole e farmaci già esistenti (al momento già 250 mila). Grazie a questa prima fase di training, il programma impara a progettare nuove molecole, prevederne entro certi limiti il comportamento, suggerire combinazioni. “Esplora le molecole intuitivamente, usando la conoscenza chimica che ha precedentemente acquisito, proprio come farebbe un chimico.” – dichiara Aspuru-Guzik.

 

chimica farmacologia AI

 

Software e tecnologie per i nuovi farmaci

Il software sviluppato dal team di Asparu-Guzik è basato sul concetto di autoencoder, formato dalla collaborazione tra due reti neurali, l’encoder e il decoder. L’encoder ha la funzione la convertire la struttura discreta di ogni molecola (rappresentata da una stringa in codice SMILES) in un vettore continuo (che verrà a trovarsi in un “ambiente” di dati detto spazio latente). Il decoder fa esattamente l’opposto, converte cioè un determinato vettore continuo in una nuova struttura molecolare concreta.

Nel farlo, le due reti neurali si ritrovano costantemente in fase di “allenamento” progettuale, ed è nello spazio latente che trovano la libertà di sperimentare nuove strutture e combinazioni chimiche sulla base della terapia oggetto di studio. In questo modo la progettazione chimica diventa molto più accurata, riducendo ancor più tempi e risparmio della ricerca farmacologica.

AI pharma, farmaci

Chiamare Big Data i dati prodotti progressivamente dalle nostre ricerche sembra quasi un eufemismo. È una quantità enorme di informazioni che necessita di essere gestita per via digitale, grazie anche alle IA. Il ruolo del ricercatore umano cambia. Non è più “produttore” di dati, ma una figura chiave nella gestione degli stessi e nel loro reinvestimento in nuove ricerche. Il ricercatore diventa a tutti gli effetti uno stratega della ricerca e l’intelligenza artificiale lo strumento più efficace per interpretare i dati che conquistiamo andando a caccia della realtà.