Un logiciel invente de nouvelles molécules en quête de médicaments miracles

Qu'obtenez-vous si vous croisez l'aspirine avec l'ibuprofène ? Professeur de chimie à Harvard Alan Aspuru-Guzik n'est pas sûr, mais il a un logiciel formé qui pourrait lui donner une réponse en suggérant une structure moléculaire qui combine les propriétés des deux médicaments.

Le programme d'IA pourrait aider à la recherche de nouveaux composés médicamenteux. La recherche pharmaceutique a tendance à s'appuyer sur des logiciels qui parcourent de manière exhaustive des pools géants de molécules candidates à l'aide de règles écrites par des chimistes et de simulations qui tentent d'identifier ou de prédire des structures utiles. Le premier repose sur des humains qui pensent à tout, tandis que le second est limité par la précision des simulations et la puissance de calcul requise.

Le système d'Aspuru-Guzik peut imaginer des structures plus indépendantes des humains et sans longues simulations. Il s'appuie sur sa propre expérience, accumulée en formant des algorithmes d'apprentissage automatique avec des données sur des centaines de milliers de molécules de type médicament.

'Il explore de manière plus intuitive, en utilisant les connaissances chimiques qu'il a apprises, comme le ferait un chimiste', explique Aspuru-Guzik. 'Les humains pourraient être de meilleurs chimistes avec ce genre de logiciel comme assistant.' Aspuru-Guzik a été nommé à Examen de la technologie MIT liste des jeunes innovateurs en 2010 .

Le nouveau système a été construit à l'aide d'une technique d'apprentissage automatique appelée apprentissage en profondeur, qui est devenue omniprésente dans les entreprises informatiques mais qui est moins établie dans les sciences naturelles. Il utilise une conception connue sous le nom de modèle génératif, qui prend en compte une mine de données et utilise ce qu'il a appris pour générer ses propres nouvelles données plausibles.

Les modèles génératifs sont plus généralement utilisés pour créer des images, de la parole ou du texte, par exemple dans le cas de la fonction Smart Reply de Google qui suggère des réponses aux e-mails. Mais le mois dernier, Aspuru-Guzik et ses collègues de Harvard, de l'Université de Toronto et de l'Université de Cambridge résultats publiés de créer un modèle génératif formé sur 250 000 molécules de type médicament.

Le système pourrait générer de nouvelles structures plausibles en combinant les propriétés de composés médicamenteux existants et être invité à suggérer des molécules présentant fortement certaines propriétés telles que la solubilité et étant faciles à synthétiser.

Vijay Pandé , professeur de chimie à Stanford et partenaire de la société de capital-risque Andreessen Horowitz, affirme que le projet ajoute aux preuves croissantes que de nouvelles idées en matière d'apprentissage automatique transformeront la recherche scientifique (voir Stopper le cancer du sein avec l'aide de l'IA).

Cela suggère que les logiciels d'apprentissage en profondeur peuvent intérioriser une sorte de connaissances chimiques et les utiliser pour aider les scientifiques, dit-il. Je pense que cela pourrait être très largement applicable, dit Pande. Cela pourrait jouer un rôle dans la recherche ou l'optimisation de candidats-médicaments phares, ou dans d'autres domaines tels que les cellules solaires ou les catalyseurs.

Les chercheurs ont déjà expérimenté la formation de leur système sur une base de données de molécules de LED organiques, qui sont importantes pour les écrans. Mais faire de la technique un outil pratique nécessitera d'améliorer ses compétences en chimie, car les structures qu'elle suggère sont parfois absurdes.

Pande dit que l'un des défis pour demander à un logiciel d'apprendre la chimie peut être que les chercheurs n'ont pas encore identifié le meilleur format de données à utiliser pour alimenter les structures chimiques dans un logiciel d'apprentissage en profondeur. Les images, la parole et le texte se sont avérés être un bon choix, comme en témoignent les logiciels qui rivalisent avec les humains en matière de reconnaissance et de traduction des images et de la parole, mais les méthodes existantes de codage des structures chimiques peuvent ne pas être tout à fait appropriées.

Aspuru-Guzik et ses collègues y réfléchissent, tout en ajoutant de nouvelles fonctionnalités à son système pour réduire son taux de bêtisier chimique.

Il espère également que donner à son système plus de données, pour élargir ses connaissances en chimie, améliorera sa puissance, de la même manière que des bases de données de millions de photos ont aidé la reconnaissance d'images à devenir utile. La société américaine de chimie base de données enregistre environ 100 millions de structures chimiques publiées. Avant longtemps, Aspuru-Guzik espère les alimenter tous avec une version de son programme d'IA.

cacher