L’IA trouve un médicament candidat pour le cancer du foie en 30 jours

DeltaWorks/Pixabay

DeltaWorks/Pixabay

Un important intelligence artificielle (IA) s’est produite et pourrait annoncer le début d’une nouvelle ère dans la découverte de médicaments qui pourrait complètement réorganiser les industries de la biotechnologie, de la pharmacie, de la santé et des sciences de la vie. Les scientifiques ont innové avec la découverte par IA d’un nouveau candidat-médicament pour le cancer du foie en seulement 30 jours. L’étude a été publiée ce mois-ci dans Sciences chimiques.

«Ce travail est la première démonstration de l’application d’AlphaFold au processus d’identification des succès dans la découverte de médicaments», a écrit les auteurs principaux Alex Zhavoronkov, Ph.D., fondateur et PDG d’Insilico Medicine; Alán Aspuru-Guzik, Ph.D., professeur d’informatique et de chimie à l’Université de Toronto et directeur de l’Acceleration Consortium de l’Université de Toronto; et Michael Levitt, Ph.D., lauréat du prix Nobel de chimie en 2013 et professeur de biologie structurale à la Stanford University School of Medicine, ainsi que leurs collègues chercheurs.

Le type le plus courant de cancer primitif du foie est le carcinome hépatocellulaire (CHC). Dans le monde, le cancer du foie était l’une des principales causes de mortalité par cancer en 2020, avec plus de 830 000 décès ; ainsi que le cancer du poumon (1,8 million de décès), les cancers du côlon et du rectum (916 000 décès), le cancer de l’estomac (769 000 décès) et le cancer du sein (685 000 décès), selon l’Organisation mondiale de la santé (OMS).

Le processus moyen de découverte et de développement de médicaments prend plus d’une décennie, et seule une infime fraction des candidats dépasse la phase initiale. Cette étude révolutionnaire démontre comment l’IA peut accélérer la découverte de médicaments en quelques jours au lieu d’années, une amélioration potentiellement considérable qui pourrait perturber l’industrie pharmaceutique.

La recherche et le développement de médicaments nécessitent des ressources financières importantes. Le coût de la découverte et du développement de nouveaux médicaments pharmaceutiques et biologiques approuvés par la FDA est estimé à 2,87 milliards de dollars, selon un étudier publié dans le Journal d’économie de la santé par des chercheurs affiliés au Tufts Center for the Study of Drug Development de l’Université Tufts, à l’Université Duke et à la Simon Business School.

Pour commercialiser un médicament aux États-Unis, il faut avoir terminé avec succès les phases I, II, III et les dépôts réglementaires auprès de la Food and Drug Administration (FDA). La phase I comprend la découverte et le développement de médicaments. La phase II comprend des études de recherche préclinique pour déterminer si un médicament doit ou non être testé chez l’homme. Dans la phase III, la recherche clinique est menée avec des essais cliniques humains. Si la phase III est terminée avec succès, le développeur du médicament peut déposer une demande d’examen et d’approbation réglementaire par la FDA. La probabilité globale d’approbation de phase I n’était que de 7,9 % et il a fallu en moyenne 10,5 ans pour découvrir et développer un médicament entre 2011 et 2020 Taux de réussite du développement clinique et facteurs contributifs 2011-2020 rapport de BIO, Pharma Intelligenceet QLS Advisors LLC. La répartition de la moyenne de 10,5 ans par phase est de 2,3 ans pour la Phase I, 3,6 ans pour la Phase II, 3,3 ans pour la Phase III et 1,3 ans pour le dépôt réglementaire.

“En 2022, Insilico a nommé neuf candidats précliniques à partir de son moteur d’IA, huit pour un interne et un pour un partenaire”, a déclaré Alex Zhavoronkov, fondateur et PDG d’Insilico Medicine. « Si vous comparez ce total avec la performance de n’importe quelle grande entreprise pharmaceutique, c’est très impressionnant car c’est un nombre comparable qui revient à une infime fraction du coût. Beaucoup d’entre eux sont de nouvelles cibles et certains sont des cibles difficiles démontrant que l’IA générative peut maintenant bien fonctionner à la fois en biologie et en chimie. Nous avons également obtenu les principales données du premier antifibrotique découvert et conçu par l’IA. »

Les chercheurs ont utilisé PandaOmics pour identifier les 20 principales cibles à l’aide de données textuelles et omiques provenant de 10 ensembles de données sur le carcinome hépatocellulaire. Après avoir filtré les cibles pour la sécurité, la spécificité tissulaire, l’accessibilité par les produits biologiques, l’accessibilité des petites molécules et la nouveauté, la kinase dépendante de la cycline 20 (CDK20) a été sélectionnée comme cible initiale.

“La kinase cycline-dépendante 20 (CDK20) a finalement été sélectionnée comme notre cible initiale sur laquelle travailler en raison de sa forte association avec la maladie, des informations limitées sur la structure expérimentale et de la pénurie de médicaments ou de composés cliniques approuvés dans le contexte de toute maladie au cours des trois dernières années. “, ont écrit les chercheurs.

Pour prédire la structure de la protéine CDK20, les chercheurs ont utilisé la base de données AlphaFold Protein Structure Database, une base de données open source AlphaFold avec plus de 200 millions de prédictions de structure de protéines développées par DeepMind et le Laboratoire européen de biologie moléculaire – Institut européen de bioinformatique (EMBL-EBI). La base de données sur la structure des protéines AlphaFold contient les protéomes de 48 organismes, dont les protéomes humains, de souris, de rats, de vers, de levures, de poissons zèbres, de maïs, de riz, de bactéries et de levures. (Le terme protéome est une combinaison des mots protéine et génome.) Un protéome fait référence à l’ensemble complet de protéines qui peuvent être exprimées par le matériel génétique d’un organisme ou dans un type de cellule particulier à un moment donné dans des conditions environnementales définies. .

La séquence de ses acides aminés détermine la forme et la fonction tridimensionnelles (3D) des protéines. AlphaFold est un logiciel d’intelligence artificielle créé par DeepMind Technologies, propriété d’Alphabet, basée à Londres. Il s’agit d’une solution d’IA capable de prédire la structure 3D d’une protéine à partir de sa séquence d’acides aminés unidimensionnelle. AlphaFold utilise les données des séquences d’acides aminés, des modèles et des alignements de séquences multiples pour l’inférence des caractéristiques de sortie avec par résidu confiance les scores, les coordonnées atomiques et un histogramme des distances entre les paires de pixels dans une image appelée histogramme. En 2020, AlphaFold est entré dans l’histoire en résolvant un grand défi de 50 ans en biologie connu sous le nom de problème de repliement des protéines avec ses prédictions très précises de la structure des protéines.

Les scientifiques ont utilisé la structure CDK20 prédite par AlphaFold et la chimie d’apprentissage automatique de l’IA entièrement automatisée pour générer 8 918 molécules, dont sept ont été sélectionnées pour la synthèse et les tests biologiques. Parmi les sept molécules, le composé ISM042-2-001 semblait le plus prometteur dans un test de liaison à la kinase CDK20. Une autre série de génération, de synthèse et de tests de composés a été effectuée et a abouti à une molécule à succès plus puissante avec une puissance nanomolaire appelée ISM042-2-048.

“Grâce à Chemistry42 et à AlphaFold, les structures protéiques prédites, il ne nous a fallu que 30 jours pour découvrir notre premier succès”, ont écrit les chercheurs.

“Je n’aurais jamais imaginé que nous irions aussi loin par nous-mêmes sans partenaire pharmaceutique”, a déclaré Zhavoronkov. “Et contrairement à la plupart des autres entreprises dans le domaine, nous mettons notre plate-forme à la disposition de tiers pour l’octroi de licences. Vous pouvez considérer cela comme la vente de logiciels d’IA. Je suis également heureux d’annoncer que 10 des 20 plus grandes sociétés pharmaceutiques ont désormais utilisé notre plateforme. Avoir la plate-forme Pharma.AI en interne est désormais un signe de la compétence des grandes sociétés pharmaceutiques en matière d’IA. Mais nous ne nous arrêtons pas ici. Nous avons lancé de nouvelles initiatives de recherche sur les ordinateurs quantiques et également lancé le premier laboratoire de découverte de cibles entièrement robotisé de sixième génération. »

Copyright © 2023 Cami Rosso Tous droits réservés.

Leave a Comment