Un nouveau cadre pourrait offrir aux chimistes de plus grandes options de médicaments

Aujourd’hui, la plupart des découvertes de médicaments sont effectuées par des chimistes humains qui s’appuient sur leurs connaissances et leur expérience pour sélectionner et synthétiser les bonnes molécules nécessaires pour devenir les médicaments sûrs et efficaces dont nous dépendons. Pour identifier les voies de synthèse, les scientifiques utilisent souvent une technique appelée rétrosynthèse – une méthode pour créer des médicaments potentiels en travaillant à rebours à partir des molécules recherchées et en recherchant des réactions chimiques pour les fabriquer.

Pourtant, parce que passer au crible des millions de réactions chimiques potentielles peut être une entreprise extrêmement difficile et chronophage, des chercheurs de l’Ohio State University ont créé un cadre d’IA appelé G²Rétro pour générer automatiquement des réactions pour une molécule donnée. La nouvelle étude a montré que par rapport aux méthodes de planification manuelle actuelles, le cadre était capable de couvrir une vaste gamme de réactions chimiques possibles ainsi que de discerner avec précision et rapidement quelles réactions pourraient fonctionner le mieux pour créer une molécule médicamenteuse donnée.

“L’utilisation de l’IA pour des choses essentielles pour sauver des vies humaines, comme la médecine, est ce sur quoi nous voulons vraiment nous concentrer”, a déclaré Xia Ning, auteur principal de l’étude et professeur agrégé d’informatique et d’ingénierie à l’Ohio State. “Notre objectif était d’utiliser l’IA pour accélérer le processus de conception de médicaments, et nous avons constaté que cela permet non seulement aux chercheurs de gagner du temps et de l’argent, mais fournit également des candidats-médicaments qui peuvent avoir de bien meilleures propriétés que toutes les molécules qui existent dans la nature.”

Cette étude s’appuie sur des recherches antérieures de Ning où son équipe a développé une méthode nommée Modof qui a pu générer des structures moléculaires qui présentaient les propriétés souhaitées mieux que toutes les molécules existantes. “Maintenant, la question est de savoir comment fabriquer de telles molécules générées, et c’est là que cette nouvelle étude brille”, a déclaré Ning, également professeur agrégé d’informatique biomédicale au College of Medicine.

L’étude a été publiée aujourd’hui dans la revue Chimie des communications.

L’équipe de Ning a formé G²Rétro sur un ensemble de données contenant 40 000 réactions chimiques collectées entre 1976 et 2016. Le cadre “apprend” à partir de représentations graphiques de molécules données et utilise des réseaux de neurones profonds pour générer d’éventuelles structures de réactifs qui pourraient être utilisées pour les synthétiser. Son pouvoir générateur est si impressionnant que, selon Ning, une fois donnée une molécule, G²Retro pourrait proposer des centaines de nouvelles prédictions de réaction en quelques minutes seulement.

“Notre méthode d’IA générative G²Retro est capable de fournir plusieurs voies et options de synthèse différentes, ainsi qu’un moyen de classer différentes options pour chaque molécule », a déclaré Ning. « Cela ne remplacera pas les expériences actuelles en laboratoire, mais il offrira des médicaments plus nombreux et de meilleure qualité. options afin que les expériences puissent être hiérarchisées et ciblées beaucoup plus rapidement. »

Pour tester davantage l’efficacité de l’IA, l’équipe de Ning a mené une étude de cas pour voir si G²Retro a pu prédire avec précision quatre nouveaux médicaments déjà en circulation : Mitapivat, un médicament utilisé pour traiter l’anémie hémolytique ; Tapinarof, qui est utilisé pour traiter diverses maladies de la peau ; Mavacamten, un médicament pour traiter l’insuffisance cardiaque systémique ; et Oteseconazole, utilisé pour traiter les infections fongiques chez les femmes. g²Retro a pu générer correctement exactement les mêmes voies de synthèse brevetées pour ces médicaments, et a fourni des voies de synthèse alternatives qui sont également réalisables et synthétiquement utiles, a déclaré Ning.

Avoir un appareil aussi dynamique et efficace à la disposition des scientifiques pourrait permettre à l’industrie de fabriquer des médicaments plus puissants à un rythme plus rapide – mais malgré l’avantage que l’IA pourrait donner aux scientifiques à l’intérieur du laboratoire, Ning met l’accent sur les médicaments G²L’IA rétro ou toute création d’IA générative doit encore être validée – un processus qui implique que les molécules créées soient testées sur des modèles animaux et plus tard dans des essais sur l’homme.

« Nous sommes très enthousiasmés par l’IA générative pour la médecine, et nous nous engageons à utiliser l’IA de manière responsable pour améliorer la santé humaine », a déclaré Ning.

Cette recherche a été soutenue par le programme d’excellence en recherche du président de l’Ohio State et la National Science Foundation. Les autres co-auteurs de l’État de l’Ohio étaient Ziqi Chen, Oluwatosin Ayinde, James Fuchs et Huan Sun.