Ensinando sistemas de IA a usar a intuição para encontrar novos medicamentos
Esquema geral da ideia principal por trás do estudo. um As moléculas são tratadas como jogadores em um jogo competitivo, com a probabilidade de uma vencer a outra fornecida pelo feedback fornecido pelos químicos. Para isso, os químicos são solicitados a selecionar uma das duas moléculas ao serem apresentadas a uma pergunta pré-especificada em um aplicativo da web. b Um modelo de pontuação implícito é aprendido com base nesse feedback. Uma rede neural feed-forward de duas pernas com pesos fixos em cada perna é fornecida com pares de moléculas caracterizadas com descritores quimioinformáticos comuns. Durante o treinamento, seus parâmetros são otimizados por meio de uma perda de entropia cruzada binária (BCE) que depende de uma diferença de pontuação latente calculada nos pares de moléculas e do feedback fornecido pelos químicos. c Uma vez treinadas, as pontuações podem ser inferidas para qualquer molécula arbitrária, que pode então ser usada para tarefas quimioformáticas posteriores. Símbolos:seu , sj :pontuações calculadas para moléculas meu e mj , respectivamente. σ :função sigmóide. θ :parâmetros do modelo. Crédito:Nature Communications (2023). DOI:10.1038/s41467-023-42242-1 Uma equipe combinada de pesquisadores biomédicos do Novartis Institutes for Biomedical Research e da Microsoft Research AI4Science fez incursões no ensino de sistemas de IA como encontrar novos medicamentos. Em seu estudo, publicado na revista Nature Communications , o grupo usou feedback de químicos da área para fornecer diretrizes de intuição para um modelo de IA.
Encontrar novos medicamentos é uma tarefa notoriamente difícil e trabalhosa. O processo para encontrar novas terapias normalmente envolve especialistas em diversas áreas que trabalham em diferentes partes do problema. Os médicos e outros investigadores médicos, por exemplo, devem primeiro descobrir as raízes de uma determinada doença para encontrar a sua causa. Químicos ou outros pesquisadores médicos devem então encontrar uma substância química que possa reverter o problema ou impedir que ele aconteça.
Ambas as partes do processo exigem tempo e esforço. Neste novo projeto, a equipa de investigação procurou determinar se as aplicações de IA poderiam tornar a segunda parte mais fácil.
Uma das maneiras pelas quais novos medicamentos são encontrados é através da intuição – um pressentimento de um químico de que certos produtos químicos podem ser úteis no tratamento de certas doenças. Essa intuição é difícil de codificar. Isso pode mudar agora com o advento dos aplicativos de IA.
Para aplicar a IA ao problema do desenvolvimento de medicamentos, os investigadores pediram feedback a 45 químicos cujo trabalho é encontrar novos medicamentos. Pediu-se a cada um que escolhesse de uma lista de 220 pares químicos que considerassem ter uma boa chance de se tornar uma droga útil, usando apenas a intuição adquirida em anos de experiência na área.
Esse feedback foi então dado ao sistema de IA, que classificou os pares químicos com base no que tinha aprendido – e respondeu atribuindo a cada par uma pontuação com base nas suas estimativas da probabilidade de o medicamento ser útil. A equipe de pesquisa enviou então os pares químicos com maior pontuação para um sistema baseado em IA que projeta moléculas com base nos produtos químicos fornecidos – alguns dos resultados do sistema foram descritos pelos pesquisadores como promissores.
A equipa de investigação testou então o seu sistema em medicamentos já existentes no mercado e descobriu o que descrevem como um “sinal” a ser aprendido a partir de dados de intuição baseados em químicos – uma descoberta que os convenceu de que mais investigação é necessária.
Mais informações: Oh-Hyeon Choung et al, Extraindo intuição de química medicinal por meio de aprendizado de máquina preferencial, Nature Communications (2023). DOI:10.1038/s41467-023-42242-1 Informações do diário: Comunicações da Natureza
