Naukowcy z Uniwersytetu w Bonn opracowali proces oparty na sztucznej inteligencji, który potrafi przewidywać potencjalne substancje czynne o specyficznych właściwościach. W tym celu stworzyli model chemicznego języka – coś na kształt ChatGPT, ale dla cząsteczek. Po zakończeniu fazy treningowej, AI była w stanie dokładnie odwzorować struktury chemiczne związków o znanej aktywności dwuetapowej, co może prowadzić do odkrycia szczególnie skutecznych leków. Wyniki badań zostały opublikowane w czasopiśmie Cell Reports Physical Science.
Sztuczna inteligencja w służbie chemii i farmacji
W dzisiejszych czasach, aby napisać wiersz dla bliskiej osoby, nie trzeba być poetą. Wystarczy krótka komenda w aplikacji takiej jak ChatGPT, a sztuczna inteligencja w ciągu kilku sekund wygeneruje całą listę rymów, a nawet stworzy sonet. Badacze z Uniwersytetu w Bonn wdrożyli podobny model w swojej pracy badawczej, który jednak nie układa rymów. Zamiast tego, AI generuje wzory strukturalne związków chemicznych, które mogą mieć pożądane właściwości – np. zdolność do wiązania się z dwoma różnymi białkami docelowymi. Tego rodzaju zdolność może być kluczowa w walce z wieloma chorobami, w tym nowotworami.
Poszukiwane: Substancje czynne o podwójnym działaniu
Substancje zdolne do oddziaływania na więcej niż jeden cel wewnątrz komórki są w farmakologii niezwykle pożądane. Jak wyjaśnia prof. dr Jürgen Bajorath, prowadzący badania z zakresu chemii obliczeniowej, takie wielopunktowe działanie może wpływać jednocześnie na kilka procesów wewnątrzkomórkowych, co zwiększa skuteczność leczenia, szczególnie w przypadku trudnych do zwalczenia chorób, takich jak nowotwory.
W teorii, podobne efekty można osiągnąć za pomocą jednoczesnego podawania różnych leków. Niestety, istnieje wówczas ryzyko niepożądanych interakcji między lekami, a także problem różnej szybkości ich metabolizowania przez organizm. Z tego względu poszukiwanie związków chemicznych, które mogą wpływać na więcej niż jeden cel, jest szczególnie istotne.
Modele języka chemicznego i ich zastosowanie
Odkrycie cząsteczki, która oddziałuje tylko na jedno białko docelowe, już samo w sobie jest dużym wyzwaniem. Jeszcze trudniejsze jest zaprojektowanie związków, które mają z góry określony podwójny efekt. Modele języka chemicznego mogą jednak w tym przypadku okazać się pomocne. Analogicznie do tego, jak ChatGPT analizuje miliardy stron tekstu, aby nauczyć się tworzyć poprawne zdania, modele języka chemicznego są trenowane z wykorzystaniem danych o strukturach związków chemicznych, zapisanych w specjalnym formacie zwanym SMILES. Dzięki temu AI może „nauczyć się”, jak struktury chemiczne przekładają się na ich działanie biologiczne.
Zespół badawczy z Uniwersytetu w Bonn wytrenował swój model na ponad 70 000 par danych. Jedna z par opisywała cząsteczkę działającą na jedno białko docelowe, a druga – cząsteczkę, która oprócz tego białka wpływała także na inne. Dzięki temu sztuczna inteligencja mogła wyciągnąć wnioski na temat różnic między związkami o pojedynczym i podwójnym działaniu.
AI odkrywa nowe związki chemiczne
Po zakończeniu szkolenia, model AI potrafił sugerować nowe cząsteczki, które nie tylko oddziaływały na jedno białko, ale również miały potencjał wpływu na inne. Wyniki analizy potwierdziły, że proponowane przez model cząsteczki często celowały w podobne białka, pełniące analogiczne funkcje w organizmie. Co więcej, badacze postanowili dalej doskonalić model, aby mógł sugerować związki, które działają na zupełnie różne typy enzymów czy receptorów. Proces ten przypominał naukę przekształcania sonetu w limeryk – AI musiała dostosować swoje sugestie do nowych, bardziej skomplikowanych wymagań.
Po odpowiednim dopracowaniu, model wygenerował cząsteczki, które już wcześniej były znane z działania na pożądane kombinacje białek. To dowodzi, że proces działa, choć, jak wskazuje prof. Bajorath, najciekawsze w tym podejściu jest to, że AI często proponuje struktury chemiczne, które nie przyszłyby do głowy większości chemików. Dzięki temu otwierają się nowe możliwości tworzenia hipotez i niekonwencjonalnych podejść do projektowania leków.
Przyszłość chemii i nauk farmaceutycznych
Choć odkrycie nowych, natychmiastowo skutecznych leków nie jest jeszcze na wyciągnięcie ręki, modele języka chemicznego otwierają drzwi do bardziej kreatywnych i innowacyjnych rozwiązań w projektowaniu związków chemicznych. To narzędzie może oferować nowe perspektywy, które wcześniej były dla badaczy niewidoczne, a w konsekwencji prowadzić do tworzenia bardziej skutecznych terapii.
Instytucje biorące udział w badaniach
Badania zostały przeprowadzone na Uniwersytecie w Bonn w ramach współpracy z Instytutem Lamarr oraz b-it (Bonn-Aachen International Center for Information Technology).
