Innovazioni nell'intelligenza artificiale per la scoperta di farmaci

Rachel Muenz, redattore senior di contenuti digitali per Lab Manager, può essere contattato all'indirizzo [email protected].

La scoperta è la fase più cruciale dello sviluppo di un farmaco perché ha il potenziale per far risparmiare alle aziende farmaceutiche miliardi di dollari in tempo e denaro sprecati su farmaci candidati che difficilmente avranno successo. L’intelligenza artificiale (AI) è una capacità essenziale che sta diventando sempre più diffusa nella risoluzione delle sfide in questa fase, consentendo agli scienziati di identificare potenziali bersagli farmacologici più rapidamente, esaminare più composti in meno tempo per l’attività contro questi bersagli e trovare lead che hanno le migliori possibilità di progredire diventare trattamenti approvati.

Sebbene si concentrino principalmente sull’accelerazione della scoperta di farmaci, le ultime ricerche che coinvolgono l’intelligenza artificiale nella scoperta di farmaci ci aiutano a comprendere meglio come si sviluppano e progrediscono le malattie, nonché gli effetti dei farmaci sugli esseri umani. Quanto più viene utilizzata l’intelligenza artificiale, tanto più essa migliora, in modo che si possano fare previsioni migliori nell’identificazione di potenziali nuovi farmaci.

La fase di identificazione del target della scoperta di un farmaco è quella in cui i ricercatori individuano esattamente ciò che porta una determinata condizione o malattia al progresso. La modellizzazione computerizzata rappresenta un grande passo avanti nella ricerca di bersagli appropriati per i farmaci e nel rendere tale identificazione più rapida.

Un esempio di ricerca recente che coinvolge tale modellazione computerizzata proviene dalla School of Medicine dell’Università della California, a San Diego. I ricercatori hanno modellato la fosfolipasi A2 associata alle lipoproteine ​​(Lp-PLA2), un enzima importante per la salute cardiovascolare, per saperne di più su come la Lp-PLA2 interagisce con la membrana fosfolipidica, qualcosa che attualmente non è ben noto, secondo un comunicato stampa sulla ricerca. . Comprendere questa interazione potrebbe portare a una migliore conoscenza di come si sviluppano le malattie cardiovascolari e portare a trattamenti nuovi e più efficaci per la malattia. La ricerca è stata pubblicata all’inizio di gennaio 2022 su PNAS.

"Sono molto lieto che siamo riusciti ad approfondire il funzionamento di questo enzima in modo molto più approfondito che mai", ha affermato Edward A. Dennis, PhD, autore senior dello studio, nel comunicato stampa. "Utilizzando gli ultimi progressi nella lipidomica e nelle simulazioni di dinamica molecolare computazionale, abbiamo ottenuto un'immagine che vale più di mille parole. Ora disponiamo di filmati che mostrano come funziona questo enzima a livello atomico e che dovrebbero aiutarci a capire come attivare o inattivare l'enzima come necessario per la salute."

In un altro lavoro relativo all'identificazione dei target, i ricercatori della Queen's University di Belfast hanno recentemente sviluppato uno strumento di modellazione computerizzata che prevede meglio siti di legame nuovi e più selettivi per possibili farmaci, portando a un migliore targeting dei farmaci e farmaci più efficaci. In particolare, il loro strumento coinvolge una nuova classe di composti noti come farmaci allosterici nei recettori accoppiati a proteine ​​G (GPCR).

Secondo un comunicato stampa sulla ricerca, i GPCR sono il più grande gruppo di proteine ​​di membrana che converte i segnali all'interno delle cellule provenienti da una varietà di molecole endogene come neurotrasmettitori e ormoni. A causa del loro ampio effetto sulla fisiologia umana, sono un bersaglio chiave di molti farmaci. Tuttavia, scoprire i farmaci GPCR è difficile perché tendono a legarsi a più di un bersaglio proteico, portando a effetti collaterali indesiderati. Altre ricerche evidenziano i siti allosterici come siti di legame alternativi per i farmaci, ma sono difficili da identificare. Nella ricerca della Queen's University di Belfast, pubblicata nel settembre 2021 su ACS Central Science, gli scienziati hanno utilizzato alcune sonde di ligandi allosterici dei recettori accoppiati a proteine ​​G per identificare questi siti allosterici in modo più semplice e accurato rispetto ai metodi attuali.

"La nostra pipeline è in grado di identificare i siti allosterici in breve tempo, il che la rende adatta agli ambienti industriali", ha affermato l'autrice senior, la Dott.ssa Irina Tikhonova, in un comunicato stampa sullo studio. "In quanto tale, la nostra pipeline è una soluzione fattibile per avviare la ricerca basata sulla struttura di farmaci allosterici per qualsiasi bersaglio farmacologico legato alla membrana che abbia un impatto sul cancro, sull'infiammazione e sulle malattie del sistema nervoso centrale [sistema nervoso centrale]."