Inteligența artificială adună date pentru a accelera descoperirea medicamentelor

Un nou sistem criptografic ar putea permite companiilor farmaceutice și laboratoarelor academice să lucreze împreună pentru a dezvolta noi medicamente mai rapid, fără a dezvălui concurenților nicio dată confidențială.

Piesa centrală a acestui sistem de calcul este un program de inteligență artificială cunoscut sub numele de rețea neuronală. AI studiază informații despre care medicamente interacționează cu diferite proteine ​​din corpul uman pentru a prezice noi interacțiuni medicament-proteină.

Mai multe date de instruire generează o IA mai inteligentă, ceea ce a fost o provocare în trecut, deoarece dezvoltatorii de medicamente, în general, nu fac schimb de date din cauza preocupărilor legate de proprietatea intelectuală. Noul sistem permite unei inteligențe artificiale să acceseze datele în același timp păstrând aceste informații private, ceea ce ar putea încuraja parteneriate pentru dezvoltarea mai rapidă a medicamentelor, raportează cercetătorii în 19 octombrie. Ştiinţă.

Identificarea noilor interacțiuni medicament-proteine ​​poate descoperi potențiale noi tratamente pentru diferite boli. Sau ar putea dezvălui dacă medicamentele interacționează cu ținte proteice neintenționate, ceea ce ar putea indica dacă un medicament este susceptibil de a provoca anumite efecte secundare, spune Ivet Bahar, un biolog computațional la Universitatea din Pittsburgh, care nu este implicat în studiu.

În noul sistem de instruire AI, datele grupate de la grupurile de cercetare sunt împărțite între mai multe servere, iar proprietarul fiecărui server vede ceea ce par a fi doar numere aleatorii. „Acolo se întâmplă cripto-magia”, spune informaticianul David Wu de la Universitatea Virginia din Charlottesville, care nu a fost implicat în lucrare. Deși niciun participant individual nu poate vedea milioanele de interacțiuni medicament-proteină care compun setul de antrenament, serverele pot folosi în mod colectiv aceste informații pentru a învăța o rețea neuronală să prezică interactivitatea combinațiilor medicament-proteine ​​nevăzute anterior.

„Această lucrare este vizionară”, spune Jian Peng, un informatician la Universitatea Illinois din Urbana-Champaign, care nu este implicat în studiu. „Cred [it] va pune bazele viitorului colaborărilor în biomedicină.”

Biologul computațional al MIT Bonnie Berger și colegii Brian Hie și Hyunghoon Cho au evaluat acuratețea sistemului lor prin antrenarea unei rețele neuronale pe aproximativ 1,4 milioane de perechi droguri-proteine. Jumătate dintre aceste perechi au fost extrase din baza de date STITCH a interacțiunilor medicament-proteine ​​cunoscute; cealaltă jumătate cuprindea perechi medicament-proteină care nu interacționează. Când s-au arătat noi perechi medicament-proteine ​​despre care se știe că interacționează sau nu, AI a ales care seturi au interacționat cu o acuratețe de 95%.

Pentru a testa dacă sistemul ar putea identifica interacțiuni medicament-proteină necunoscute până acum, echipa lui Berger a antrenat apoi rețeaua neuronală pe aproape 2 milioane de perechi medicament-proteină: întregul set de date STITCH de interacțiuni cunoscute, plus același număr de perechi care nu interacționează. AI complet instruit a sugerat mai multe interacțiuni care nu fuseseră niciodată raportate până acum sau care fuseseră raportate, dar care nu se aflau în baza de date STITCH.

De exemplu, AI a identificat o interacțiune între proteinele receptorului de estrogen și un medicament dezvoltat pentru a trata cancerul de sân numit droloxifen. Rețeaua neuronală a găsit, de asemenea, o interacțiune nemaivăzută până acum între medicamentul pentru leucemie imatinib și proteina ErbB4, despre care se crede că este implicată în diferite tipuri de cancer. Cercetătorii au confirmat această interacțiune cu experimentele de laborator.

Această rețea de calcul sigură poate încuraja, de asemenea, mai multă colaborare în domenii în afara dezvoltării farmaceutice. Spitalele ar putea partaja înregistrări de sănătate confidențiale pentru a instrui programe AI care prezic prognozele pacienților sau elaborează strategii de tratament, spune Peng.

„Ori de câte ori doriți să faceți un studiu asupra unui număr mare de oameni despre comportament, genomică, dosare medicale, înregistrări juridice, înregistrări financiare – orice lucru care este sensibil la confidențialitate, aceste tipuri de tehnici pot fi foarte utile”, spune Wu.