Crear nuevos medicamentos más rápidamente: la inteligencia artificial ayudará a acelerar el desarrollo de drogas

by singteam

Alzheimer. Cáncer. Parkinson. Estas enfermedades devastadoras son solo algunas de las cientos que los científicos buscar curar con las nuevas medicinas frente a los costos de descubrimiento y los tiempos de pruebas cada vez más altos.

Ahora, la inteligencia artificial muestra una posibilidad de encontrar una forma más rápida y eficiente para descubrir y desarrollar nuevas drogas. Una creciente cantidad de investigadores de universidades y empresas enfrentan algunos de los problemas más difíciles de la medicina al usar la computación de inteligencia artificial para predecir qué moléculas de drogas son más eficaces para los tratamientos.

“Esta es la revolución en la industria farmacéutica”, dijo Alex Zhavoronkov, director ejecutivo de Insilico Medicine, que usa el aprendizaje profundo acelerador por GPU para tratar el cáncer y las enfermedades relacionadas con la edad.

El descubrimiento de drogas no llega de un día para el otro

Si la revolución llega antes, mejor. Los costos del desarrollo de una droga nueva tienen un promedio de casi 2.600 millones de dólares y puede tardar hasta 14 años, según las cifras de un estudio de la Universidad de Tufts y la Administración de Alimentos y Medicamentos de Estados Unidos.

Incluso, menos del 10 % de los posibles medicamentos llegan a comercializarse, dijo Jackie Hunter, directora ejecutivo de BenevolentBio, la sucursal de ciencias médicas de la empresa BenevolentAI de Londres.

“El aspecto económico no es sostenible”, dijo. “Necesitamos pensar las cosas de una forma diferente.”

Descubrimiento de medicamentos con inteligencia artificial

BenevolentBio apunta a reinventar el descubrimiento de medicamentos al usar el aprendizaje profundo y el procesamiento de idiomas naturales para comprender y analizar enormes cantidades de información de biociencia, patentes, datos genómicos y más de 10.000 publicaciones cargadas a diario en todas las bases de datos y revistas de biomedicina.

“Los humanos solos no pueden procesar toda la información necesaria para lograr avances científicos”, dijo Hunter.

AI drug discovery helps tackle ALS.
Se cree que las células tienen un papel muy importante en el progreso de la esclerosis lateral amiotrófica. BenevolentBio usó el aprendizaje profundo para encontrar dos tratamientos posibles. Imagen cortesía de la Universidad del Estado de Oregon.

El software de aprendizaje profundo de BenevolentBio, con la tecnología de la supercomputadora de inteligencia artificial NVIDIA DGX-1, recibe y analiza la información para descubrir conexiones y proponer medicamentos posibles.

Además, el equipo de Hunter usa el aprendizaje profundo para generar moléculas con propiedades que tienen más probabilidades de ser eficaces en el tratamiento de enfermedades específicas, como nuevas moléculas para enfermedades de degeneración neuronal, pero sin los efectos adversos para el corazón o el hígado.

Hasta ahora, BenvolentBio identificó dos medicamentos para la esclerosis lateral amiotrófica (ALS, por sus siglas en inglés), una enfermedad de degeneración neuronal progresiva. Estas drogas obtuvieron mejores resultados en las pruebas que aquellas que se comercializan actualmente, dijo Hunter. Luego de obtener pacientes, dijo que BenevolentBio se acercará a las empresas farmacéuticas para lograr el desarrollo de la droga.

Imaginar una molécula

Hoy en día, las empresas farmacéuticas deben analizar una gran cantidad de moléculas para los posibles medicamentos; luego, probar una por una con la esperanza de encontrar un ganador. Esto extenso proceso toma una enorme cantidad de tiempo.

Insilico Medicine, situada en Baltimore, trabaja para cambiar esta situación al “imaginar” nuevas moléculas similares al cáncer con propiedades específicas. Lo hacen con una técnica de aprendizaje profundo relativamente nueva que se conoce como la rede adversaria generativa (GAN, por sus siglas en inglés).

Las GAN pueden crear datos completamente nuevos que son completamente diferente de los datos reales al usar dos modelos de redes neurales en competencia. Un modelo generativo intenta generar resultados que “parezcan” datos reales. Un modelo discriminatorio toma los resultados de el modelo generativo y los datos reales e intenta distinguirlos.

Por lo general, los modelos generativos se usan para crear imágenes, habla o texto, pero esta es la primera vez que una GAN se usó para el descubrimiento de medicamentos para el cáncer, dijo Insilico.

Moléculas a pedido

En una investigación reciente, los científicos de la división de Inteligencia artificial de farmacología de Insilico describen la forma en que su red usó los datos químicos y biológicos históricos para imaginar 69 nuevas moléculas con el potencial para combatir al cáncer.

“En lugar de usar el método de prueba y error para buscar moléculas útiles, le podemos decir a la red que genere esas moléculas y lo hará a pedido”, dijo Zhavoronkov de Insilico. Hoy en día, Insilico extiende su campo de trabajo para imaginar posibilidades antimicrobiales.

Insilico capacitó a sus algoritmos con la plataforma de computación en paralelo CUDA, los aceleradores Tesla K80 t las GPU TITAN X con cuDNN en los marcos de trabajo de aprendizaje profundo Theano y TensorFlow.

AI drug discovery could speed development of medicines like these.
Desarrollar una nueva medicina es muy caro y lleva mucho tiempo. Los nuevos métodos que usan la inteligencia artificial pueden cambiar esta realidad.

Moléculas con diseño

Alán Aspuru-Guzik, un profesor de la Universidad de Harvard en Química y Biología química, también busca diseñar tratamientos de cero usando una red neural de aprendizaje profundo para lo que él denomina el “diseño molecular inverso”.

Para encontrar candidatos para el desarrollo de medicamentos, el software de aprendizaje profundo propone nuevas moléculas que poseen determinadas propiedades, dijo Aspuru-Guzik. El software también genera nuevas estructuras moleculares al combinar las propiedades de drogas existentes.

Estos métodos pueden acelerar el descubrimiento de nuevas drogas, dijo Aspuru-Guzik. Para describir su investigación con un modelo generativo para el diseño químico automático en una investigación reciente publicada en ArXiv, el archivo en línea de artículos de investigación.

Aspuru-Guzik capacitó su software de aprendizaje profundo con 250.000 moléculas similares a las de las drogas usando la plataforma de computación en paralelo CUDA, aceleradores NVIDIA Tesla K80 y cuDNN con el marco de trabajo de aprendizaje profundo Theano.

Nadie espera que el descubrimiento de drogas mediante inteligencia artificial reemplace a los científicos.. La mayoría piensa que servirá como complementos de sus capacidades y que todos los descubrimientos deben ser validados por humanos.

“Este es un momento emocionante, ya que presenciamos el encuentro entre la inteligencia artificial y la industria farmaceútica” dijo Hunter de BenevolentBio. “Espero que esto se use para hacer llegar más medicinas a los pacientes de forma más rápida.”

Para obtener más información sobre la forma en que la computación de inteligencia artificial está cambiando las industrias, suscríbete al podcast de inteligencia artificial en iTuneshttp://nvda.ws/2hQ4Leb o en Google Play Music http://nvda.ws/2hQaIrh.