El projecte europeu Ligand-AI, en què participa el Vall d’Hebron Institut d’Oncologia (VHIO), ha arrencat amb l’objectiu de generar grans conjunts de dades obertes i d’alta qualitat sobre interaccions proteïna-lligand i utilitzar-los per entrenar models d’intel·ligència artificial (IA) que puguin predir quines molècules són capaces d’unir-se a milers de proteïnes humanes.
El consorci, liderat per Pfizer i l’Structural Genomics Consortium (SGC), compta amb 60 milions d’euros de la Innovative Health Initiative (IHI) europea, i reuneix 18 socis de 9 països, informa el VHIO en un comunicat d’aquest dimarts.
La iniciativa estudiarà les possibles interaccions entre milions de compostos químics i milers de proteïnes rellevants tant per a malalties amb tractaments disponibles com per a necessitats mèdiques no cobertes, incloses malalties rares, neurològiques i oncològiques.
En aquest context, el Grup d’Identificació de Fàrmacs i IA del VHIO, encapçalat per Albert Antolín, colidera juntament amb la companyia IBM l’àrea de machine learning, responsable de desenvolupar i entrenar nous models d’intel·ligència artificial a partir de les dades generades per Ligand-AI, amb l’objectiu de predir “de manera sistemàtica” l’afinitat entre molècules i proteïnes humanes.
Un procés “costós i ple d’incertesa”
Antolín ha assenyalat que el descobriment de fàrmacs és un procés “llarg, costós i ple d’incertesa”, i que els científics solen dedicar anys a provar milers de molècules per trobar-ne una que es pugui unir a una proteïna relacionada amb una malaltia, però que en la majoria dels casos els esforços fracassen durant els assajos clínics.
“Per reduir els riscos, moltes empreses opten per desenvolupar fàrmacs poc innovadors per a les mateixes proteïnes. Tanmateix, per al 80% de les proteïnes humanes, encara no comptem amb cap compost conegut que s’hi pugui unir i ser utilitzat per crear nous tractaments”, continua.
En aquest context, el projecte Ligand-AI vol canviar aquest enfocament combinant tecnologies avançades de laboratori amb mètodes computacionals per accelerar el descobriment de fàrmacs, centrant-se en proteïnes poc estudiades o difícils que donarien lloc a fàrmacs “realment innovadors”.
Milions de dades
El consorci generarà milers de milions de dades de química biològica mitjançant tecnologies de cribratge, cosa que permetrà a investigadors d’arreu del món desenvolupar, entrenar i comparar models d’intel·ligència artificial capaços de predir interaccions moleculars.
El coordinador del projecte i CEO de l’Structural Genomics Consortium, Aled Edwards, ha assegurat que “és encoratjador veure com comunitats científiques tan diverses convergeixen en una visió comuna per generar i compartir amb el món dades químiques valuoses de manera oberta”.
Antolín ha destacat la dimensió transformadora de la iniciativa: “Es tracta d’una autèntica revolució, comparable a la que va suposar el Projecte Genoma Humà, però aplicada a la química biològica”.
“Ligand-AI està generant un volum de dades sobre interaccions proteïna-lligand molt superior al disponible fins ara, de manera homogènia i oberta, cosa que ens permetrà desenvolupar models d’intel·ligència artificial molt més potents que puguin predir compostos químics per a qualsevol proteïna amb una elevada precisió”, ha detallat.
Els resultats del projecte es compartiran a través de Mainframe, una xarxa internacional de ciència oberta que connecta experts en machine learning i química computacional per impulsar el descobriment precompetitiu de fàrmacs.
Escriu el teu comentari