Ένα νέο διεθνές ΣΔΙΤ με τη συμμετοχή 9 χωρών επιστρατεύει την τεχνητή νοημοσύνη (AI) για την επιτάχυνση της ανακάλυψης φαρμάκων. Το πενταετές έργο έχει προϋπολογισμό άνω των 60 εκατομμυρίων ευρώ και χρηματοδοτείται από την Ευρωπαϊκή Ένωση και από εταίρους του κλάδου μέσω της Πρωτοβουλίας Καινοτόμων Υπηρεσιών Υγείας (IHI).
Η κοινοπραξία θα δημιουργεί προβλεπτικά μοντέλα για μόρια, που μπορούν να αξιοποιηθούν στην ανάπτυξη φαρμάκων, χρησιμοποιώντας δισ. δεδομένα και εκπαιδεύοντας τους αλγόριθμους του ΑΙ. Ουσιαστικά μέσω του ΣΔΙΤ δημιουργείται ένα νέο «οικοσύστημα» στην επιστημονική ανακάλυψη, προσβάσιμο, διαφανές και διαθέσιμο για όλους - που προάγει τη διεθνή συνεργασία, η οποία όπως μας απέδειξε πρόσφατα η covid πανδημία, μπορεί να επιτύχει θαύματα, σε αισθητά λιγότερο χρόνο!
Το έργο έχει τίτλο «LIGAND-AI» και συγκεντρώνει 18 εταίρους από 9 χώρες για να δημιουργήσει μεγάλα ανοιχτά, υψηλής ποιότητας σύνολα δεδομένων σχετικά με τον τρόπο με τον οποίο τα μόρια (συνδέτες ή ligands στα αγγλικά) συνδέονται με τις πρωτεΐνες, ώστε μετά να τα χρησιμοποιήσει για την εκπαίδευση μοντέλων Τεχνητής Νοημοσύνης ικανών να προβλέπουν τα υποψήφια μόρια που είναι κατάλληλα για χρήση σε φάρμακα. Επικεφαλής στο έργο από φαρμακευτικής πλευράς είναι η Pfizer και το University College London (UCL) είναι ο κορυφαίος ακαδημαϊκός εταίρος.
Με δισ. δεδομένα το ΑΙ θα προβλέπει ποια μόρια είναι κατάλληλα για χρήση σε φάρμακα
Υπό την ηγεσία της Pfizer και της Κοινοπραξίας Δομικής Γονιδιωματικής (SGC), οι εμπειρογνώμονες από τον ακαδημαϊκό χώρο, τον κλάδο των βιοεπιστημών, τις εταιρείες τεχνολογίας και τους ερευνητικούς οργανισμούς του LIGAND-AI θα διερευνήσουν χιλιάδες πρωτεΐνες που σχετίζονται με υφιστάμενες και ανεξερεύνητες ασθένειες, συμπεριλαμβανομένων σπάνιων, νευρολογικών και ογκολογικών παθήσεων (μορφές καρκίνου), με σκοπό τη δημιουργία ανοιχτών και προσβάσιμων, υψηλής ποιότητας δεδομένων σε μεγάλη κλίμακα (big data), τα οποία θα αξιοποιηθούν ως δημόσιος πόρος.
Η πρώιμη ανακάλυψη φαρμάκων είναι μια μακρά, δαπανηρή και αβέβαιη διαδικασία. Οι επιστήμονες αφιερώνουν χρόνια δοκιμάζοντας χιλιάδες μόρια για να βρουν έστω και ένα που να συνδέεται με μια πρωτεΐνη η οποία σχετίζεται με μια ασθένεια. Από τα 10.000 μόρια που δοκιμάζονται κατά κανόνα στα ερευνητικά εργαστήρια, ένα θα γίνει block buster φάρμακο. Το νέο ΣΔΙΤ με τον εύγλωττο τίτλο «LIGAND-AI» (δηλαδή την τεχνητή νοημοσύνη σε ρόλο συνδέτη) στοχεύει να αλλάξει αυτή την δύσκολη πορεία συνδυάζοντας προηγμένες εργαστηριακές τεχνολογίες με υπολογιστικές μεθόδους για να δημιουργήσει μια απρόσκοπτη ροή από το πείραμα στην πρόβλεψη. Η κοινοπραξία θα δημιουργήσει δισεκατομμύρια δεδομένα χρησιμοποιώντας συμπληρωματικές τεχνολογίες διαλογής, επιτρέποντας στους ερευνητές παγκοσμίως να αναπτύσσουν, να εκπαιδεύουν και να συγκρίνουν μοντέλα Τεχνητής Νοημοσύνης που προβλέπουν μοριακές αλληλεπιδράσεις.
Το UCL είναι ο κορυφαίος ακαδημαϊκός εταίρος στο Ηνωμένο Βασίλειο, συνεργαζόμενο με πανεπιστήμια στον Καναδά και τη Γερμανία. Η ομάδα του UCL, με επικεφαλής τους καθηγητές της Φαρμακευτικής Σχολής Matthew Todd (Μάθιου Τοντ) και Nicola Burgess-Brown (Νίκολα Μπέργκες-Μπράουν) θα ηγηθεί των κοινοτικών πτυχών του έργου, αναζητώντας δωρεές δειγμάτων πρωτεϊνών και μοντέλων μηχανικής μάθησης από όλο τον κόσμο και προωθώντας τη δημιουργία και την επέκταση των ερευνητικών δικτύων.
Δημιουργία ενός νέου οικοσυστήματος επιστημονικών ανακαλύψεων
Πέρα από την παραγωγή δεδομένων, το LIGAND-AI θα προωθήσει ένα οικοσύστημα ανοιχτής ανακάλυψης, προσκαλώντας την επιστημονική κοινότητα να αναπτύξει και να βελτιώσει από κοινού προγνωστικά μοντέλα μέσω ανοιχτών προκλήσεων και καμπανιών συγκριτικής αξιολόγησης. Όλα τα δεδομένα που παράγονται μέσω του LIGAND-AI θα κοινοποιούνται για να διασφαλιστεί ότι είναι εύκολα εντοπίσιμα, προσβάσιμα, διαλειτουργικά και επαναχρησιμοποιήσιμα από την παγκόσμια επιστημονική κοινότητα. Ενσωματώνοντας την εμπειρογνωμοσύνη στην επιστήμη των πρωτεϊνών, τη δομική βιολογία, τη χημεία και τη μηχανική μάθηση, το έργο θα δημιουργήσει ένα δυναμικό δίκτυο όπου οι πειραματικές και υπολογιστικές ανακαλύψεις εξελίσσονται μαζί, διασφαλίζοντας ότι η πρόοδος είναι σωρευτική, διαφανής και προσβάσιμη. Δημιουργώντας μια κοινή, ανοιχτή επιστημονική υποδομή για την ανακάλυψη φαρμάκων μέσω Τεχνητής Νοημοσύνης, το LIGAND-AI όχι μόνο θα προωθήσει την έρευνα σε πρώιμο στάδιο, αλλά θα εκπαιδεύσει και μια νέα γενιά διεπιστημονικών επιστημόνων στους υπολογισμούς όσο και στους πειραματισμούς. Το έργο αποτελεί ένα σημαντικό βήμα προς τον «Στόχο 2035» της Κοινοπραξίας Δομικής Γονιδιωματικής, δηλαδή την ανακάλυψη χημικών τροποποιητών για κάθε ανθρώπινη πρωτεΐνη έως το έτος 2035.
Τι είπαν οι επικεφαλής της Κοινοπραξίας
Από τη Φαρμακευτική Σχολή του UCL, ο καθηγητής Τοντ επεσήμανε πως η μηχανική μάθηση θα επιταχύνει την ανακάλυψη νέων φαρμάκων. Αλλά για να συμβεί αυτό, απαιτούνται πολύ μεγάλα, υψηλής ποιότητας, δημόσια σύνολα δεδομένων, ώστε να μπορέσουμε να εκπαιδεύσουμε αποτελεσματικά τους αλγόριθμους. Αυτό το έργο βοηθά στη δημιουργία του συνόλου των δεδομένων για το πώς δισεκατομμύρια μόρια συνδέονται με ανθρώπινες πρωτεΐνες - πειραματικά, στο εργαστήριο. Συνεπώς, θα βοηθήσει στην ανάπτυξη καλύτερων προγνωστικών μοντέλων για την ανακάλυψη φαρμάκων, συμπεριλαμβανομένων των γειτόνων του UCL στην περιοχή του Κινγκς- Κρος (καθώς εκεί εδράζονται κι άλλα πανεπιστήμια όπως η Φαρμακευτική Σχολή του Πανεπιστημίου του Λονδίνου (London School of Pharmacy). Ο καθηγητής Τοντ πρόσθεσε πως: «Ως παγκόσμιο, ανοιχτό επιστημονικό έργο, ενθαρρύνουμε τους πιθανούς εταίρους να επικοινωνούν, ιδίως στους τομείς της επιστήμης των πρωτεϊνών και της μηχανικής μάθησης».
Από τον Καναδά και το συνεργαζόμενο Πανεπιστήμιο του Τορόντο, ο καθηγητής Άλεντ Έντουαρντς, Διευθύνων Σύμβουλος της Κοινοπραξίας Δομικής Γονιδιωματικής και συντονιστής του έργου, επεσήμανε: «Αυτό το έργο φέρνει κοντά επιστήμονες και εταιρείες από διάφορους κλάδους μέσα σε ένα οικοσύστημα ανοιχτής επιστήμης. Είναι ενθαρρυντικό να βλέπουμε αυτές τις ποικίλες επιστημονικές κοινότητες να συνενώνονται γύρω από ένα κοινό όραμα για τη δημιουργία και την ανοιχτή ανταλλαγή πολύτιμων δεδομένων με τον κόσμο».
