Le flux de travail de l'algorithme RL profond pour générer de nouvelles chaînes SMILES de composés avec les propriétés souhaitées. (A) Étape d'apprentissage du Stack-RNN génératif. (B) Étape de génération du Stack-RNN génératif. Pendant la formation, le jeton d'entrée est un caractère de la chaîne SMILES actuellement traitée de l'ensemble d'apprentissage. Le modèle génère le vecteur de probabilité p
Une approche d'intelligence artificielle créée à l'Université de Caroline du Nord à la Chapel Hill Eshelman School of Pharmacy peut apprendre à concevoir de nouvelles molécules médicamenteuses à partir de zéro et a le potentiel d'accélérer considérablement la conception de nouveaux candidats médicaments.
Le système est appelé apprentissage par renforcement pour l'évolution structurelle, connu sous le nom de ReLeaSE, et est un algorithme et un programme informatique qui comprend deux réseaux de neurones qui peuvent être considérés comme un enseignant et un étudiant. L'enseignant connaît la syntaxe et les règles linguistiques qui sous-tendent le vocabulaire des structures chimiques d'environ 1,7 million de molécules biologiquement actives connues. En travaillant avec l'enseignant, l'étudiant apprend au fil du temps et devient meilleur pour proposer des molécules susceptibles d'être utiles comme nouveaux médicaments.
Alexandre Tropcha, Olexandr Isayev et Mariya Popova, tous de l'UNC Eshelman School of Pharmacy, sont les créateurs de ReLeaSE. L'Université a déposé un brevet pour la technologie, et l'équipe a publié une étude de preuve de concept dans la revue Avancées scientifiques La semaine dernière.
« Si nous comparons ce processus à l'apprentissage d'une langue, puis après que l'élève ait appris l'alphabet moléculaire et les règles de la langue, ils peuvent créer de nouveaux "mots, ' ou des molécules, " a déclaré Tropsha. " Si la nouvelle molécule est réaliste et a l'effet souhaité, le professeur approuve. Si non, le professeur désapprouve, obligeant l'étudiant à éviter les mauvaises molécules et à en créer de bonnes."
ReLeaSE est une puissante innovation pour le dépistage virtuel, la méthode de calcul largement utilisée par l'industrie pharmaceutique pour identifier des candidats médicaments viables. Le criblage virtuel permet aux scientifiques d'évaluer les grandes bibliothèques chimiques existantes, mais la méthode ne fonctionne que pour les produits chimiques connus. ReLeASE a la capacité unique de créer et d'évaluer de nouvelles molécules.
« Un scientifique utilisant le dépistage virtuel est comme un client qui commande dans un restaurant. Ce qui peut être commandé est généralement limité par le menu, " a déclaré Isayev. "Nous voulons donner aux scientifiques une épicerie et un chef personnel qui peut créer n'importe quel plat qu'ils veulent."
L'équipe a utilisé ReLeaSE pour générer des molécules avec des propriétés qu'ils ont spécifiées, tels que les profils de bioactivité et d'innocuité souhaités. L'équipe a utilisé la méthode ReLeaSE pour concevoir des molécules aux propriétés physiques personnalisées, tels que le point de fusion et la solubilité dans l'eau, et concevoir de nouveaux composés ayant une activité inhibitrice contre une enzyme associée à la leucémie.
"La capacité de l'algorithme à concevoir de nouveaux, et donc immédiatement brevetable, les entités chimiques ayant des activités biologiques spécifiques et des profils de sécurité optimaux devraient être très attractives pour une industrie qui est constamment à la recherche de nouvelles approches pour raccourcir le temps nécessaire pour amener un nouveau candidat médicament aux essais cliniques, " dit Tropcha.
