Pesquisadores estão correndo contra o relógio para descobrir o remédio ideal para tratar a COVID-19, e estima-se que o número de possíveis remédios existentes chegue à surpreendente marca de 1.060.
“Mesmo que pudéssemos verificar uma molécula por segundo, levaria mais tempo do que a idade do universo para explorar todo o espaço químico”, afirmou Shinya Yuki, Cofundador e CEO da startup Elix, Inc. “A AI é capaz de explorar, com eficiência, um enorme espaço de pesquisa para solucionar problemas difíceis, seja na descoberta de medicamentos, no desenvolvimento de materiais ou em jogos de tabuleiro como o Go.”
A empresa de Yuki está usando o deep learning para acelerar a descoberta de medicamentos, criando redes neurais que preveem as propriedades das moléculas muito mais rapidamente do que simulações de computadores. Para contribuir com a pesquisa sobre a COVID-19, a equipe está usando AI para identificar medicamentos aprovados pela Administração de Alimentos e Medicamentos (FDA – Food and Drug Administration), órgão de vigilância sanitária dos Estados Unidos, ou medicamentos testados em ensaios clínicos que podem ser reutilizados para tratar o coronavírus.
“Desenvolver um novo medicamento do zero é um processo que leva anos, que é indesejado, especialmente em uma pandemia como esta”, disse Yuki. “A velocidade é fundamental, e a reutilização de medicamentos pode ajudar a identificar substâncias com histórico de segurança terapêutica comprovada, reduzindo consideravelmente o tempo e o custo do desenvolvimento de medicamentos.”
Recentemente, a Elix publicou um artigo sobre medicamentos aprovados e em fase de ensaios clínicos que o modelo de AI da empresa apontou como possíveis tratamentos para a COVID-19. Entre os candidatos selecionados pela ferramenta de AI da Elix, está o remdevisir, um antiviral que recentemente recebeu autorização da FDA para uso emergencial em casos de COVID-19.
Integrante do NVIDIA Inception, um programa que ajuda startups a se estabelecer no mercado mais rapidamente, a Elix usa a NVIDIA DGX Station para treinar e inferir algoritmos de deep learning. Yuki falou sobre o trabalho da empresa na área da aplicação de AI para a descoberta de medicamentos na Apresentação de Startups do Programa Inception da GTC Digital, conferência digital da NVIDIA para desenvolvedores e pesquisadores de AI.
Solução de AI da Elix para a Descoberta de Medicamentos
A molécula de um medicamento bem-sucedido precisa apresentar a combinação perfeita entre forma, flexibilidade e forças de interação para se ligar à proteína desejada, como as proteínas das espículas na superfície do envelope viral do SARS-CoV-2, o vírus que causa a COVID-19.
O vírus infecta as pessoas quando essas proteínas se ligam às células do corpo humano, levando o vírus para dentro das células. Um antiviral eficaz pode interromper esse processo de ligação. Uma droga promissora, por exemplo, seria capaz de ligar-se aos receptores das proteínas, evitando a ligação do vírus às células humanas.
Para ajudar os pesquisadores a encontrar o melhor medicamento contra a doença, a Elix usa uma série de redes neurais para limitar o campo de possíveis moléculas rapidamente. Assim, os pesquisadores podem realizar testes físicos em laboratório com um subconjunto menor de moléculas que tenha maior probabilidade de solucionar o problema.
Com modelos preditivos de AI, a equipe de Yuki consegue analisar um banco de dados de possíveis medicamentos para determinar quais têm as propriedades físicas e químicas adequadas para tratar determinada doença. Os profissionais também usam modelos gerativos, que criam, desde o início, estruturas moleculares promissoras, inclusive algumas que não são encontradas na natureza.
É aí que entra a terceira rede neural, um modelo de retrossíntese que ajuda os pesquisadores a descobrir se as moléculas geradas podem ser sintetizadas em laboratório.
A Elix usa vários sistemas NVIDIA DGX Station (workstations de AI com GPUs para equipes de desenvolvimento de ciência de dados) para acelerar o treinamento e a inferência dessas redes neurais, agilizando o processo em até seis vezes com apenas uma GPU em vez de uma CPU para o treinamento.
Yuki declarou que a aceleração é fundamental para os modelos gerativos. Sem aceleração, o treinamento das máquinas até a convergência, quando a rede neural atinge a menor taxa de erros possível, levaria uma semana ou mais. Cada DGX Station tem quatro GPUs NVIDIA V100 Tensor Core, oferecendo à equipe da Elix a possibilidade de usar modelos de AI maiores e realizar vários experimentos ao mesmo tempo.
“As DGX Stations são basicamente supercomputadores. Geralmente, há mais de um usuário usando a mesma máquina ao mesmo tempo”, declarou. “Conseguimos não só treinar os modelos mais rápido, mas também realizar até 15 experimentos simultaneamente.”
Os clientes da startup incluem desde empresas farmacêuticas até instituições de pesquisa e universidades. Como os dados das moléculas são propriedade intelectual confidencial no setor farmacêutico, a maioria prefere usar os modelos de AI em servidores locais próprios.
Além de usar a AI na descoberta de medicamentos, a Elix usa a tecnologia no design molecular para a informática de materiais, colaborando com empresas como a Bridgestone, fabricante de pneus e produtos de borracha, e a RIKEN, a maior instituição de pesquisa do Japão. A empresa também desenvolve modelos de visão computacional para condução autônoma e AI no edge.
A equipe de Yuki já trabalhou em conjunto com a empresa global de produtos químicos Nippon Shokubai para criar uma molécula que pode ser usada como material de mistura para tintas e que oferece baixo risco de irritação da pele.
Saiba mais sobre a Elix com a apresentação de Yuki na GTC Digital. Acesse nossa página sobre COVID-19 e saiba como outras startups estão usando a AI e a computação acelerada para combater a pandemia.
Imagem principal disponibilizada por Chaos, licenciada por Wikimedia Commons, conforme CC BY-SA 3.0.