Een gecombineerd team van biomedische onderzoekers van Novartis Institutes for Biomedical Research en Microsoft Research AI4Science heeft vooruitgang geboekt in het leren van AI-systemen hoe ze nieuwe medicijnen kunnen vinden. In hun onderzoek, gerapporteerd in het tijdschrift Nature Communications , gebruikte de groep feedback van scheikundigen in het veld om intuïtierichtlijnen te geven voor een AI-model.

Het vinden van nieuwe medicijnen is een notoir moeilijke en moeizame taak. Bij het proces voor het vinden van nieuwe therapieën zijn doorgaans experts op verschillende gebieden betrokken die aan verschillende delen van het probleem werken. Artsen en andere medische onderzoekers moeten bijvoorbeeld eerst de wortels van een bepaalde ziekte blootleggen om de oorzaak ervan te vinden. Chemici of andere medische onderzoekers moeten dan een chemische stof vinden die het probleem kan omkeren of überhaupt kan voorkomen dat dit gebeurt.

Beide delen van het proces kosten tijd en moeite. In dit nieuwe project probeerde het onderzoeksteam vast te stellen of AI-toepassingen het tweede deel eenvoudiger zouden kunnen maken.

Een van de manieren waarop nieuwe medicijnen worden gevonden, is via intuïtie:een onderbuikgevoel van een scheikundige dat bepaalde chemicaliën nuttig kunnen zijn voor de behandeling van bepaalde aandoeningen. Deze intuïtie is moeilijk te coderen. Dat zou nu kunnen veranderen met de komst van AI-toepassingen.

Om AI toe te passen op het probleem van de ontwikkeling van medicijnen, vroegen de onderzoekers feedback van 45 scheikundigen wiens taak het is om nieuwe medicijnen te vinden. Iedereen werd gevraagd om te kiezen uit een lijst van 220 chemische paren waarvan zij dachten dat ze een goede kans hadden om een ​​nuttig medicijn te worden, waarbij ze niets anders gebruikten dan de intuïtie die ze hadden opgedaan door jarenlange ervaring in het veld.

Die feedback werd vervolgens gegeven aan het AI-systeem, dat chemische paren rangschikte op basis van wat het had geleerd. Het reageerde door elk paar een score te geven op basis van zijn inschattingen van de waarschijnlijkheid dat het medicijn nuttig zou zijn. Het onderzoeksteam stuurde vervolgens de hoogst scorende chemische paren naar een op AI gebaseerd systeem dat moleculen ontwerpt op basis van de chemicaliën die het krijgt. Sommige resultaten van het systeem werden door de onderzoekers als veelbelovend beschreven.

Het onderzoeksteam testte vervolgens hun systeem op medicijnen die al op de markt waren en vond wat zij omschrijven als een ‘signaal’ dat geleerd kan worden uit op scheikundigen gebaseerde intuïtiegegevens – een bevinding die hen ervan heeft overtuigd dat verder onderzoek gerechtvaardigd is.

Meer informatie: Oh-Hyeon Choung et al., Medicinale chemie-intuïtie extraheren via voorkeursmachine learning, Natuurcommunicatie (2023). DOI:10.1038/s41467-023-42242-1

Journaalinformatie: Natuurcommunicatie

© 2023 Science X Netwerk