La découverte et la formulation de nouveaux médicaments, antiviraux, antibiotiques et en général des produits chimiques aux propriétés adaptées est un processus long et minutieux. Recherche interdisciplinaire au carrefour de la biochimie, la physique et l'informatique peuvent changer cela. Le développement de méthodes d'apprentissage automatique (ML), combiné avec les premiers principes de la mécanique quantique et statistique et formé sur des ensembles de données moléculaires de plus en plus disponibles, a le potentiel de révolutionner le processus de découverte chimique.

"La découverte chimique et l'apprentissage automatique sont appelés à évoluer ensemble, mais parvenir à une véritable synergie entre eux nécessite de résoudre de nombreux défis en suspens, " dit Alexandre Tkatchenko, Professeur de Physique Chimique Théorique à l'Université.

L'apprentissage automatique pour aider à identifier les candidats-médicaments

L'Université a initié une collaboration avec la société belge Janssen Pharmaceuticals au printemps 2020 pour développer de nouvelles méthodes de ML permettant d'identifier des composés à fort potentiel thérapeutique (également appelés candidats-médicaments). Jusque là, Des approches ML ont été développées pour les petites molécules. Ce projet de recherche vise à étendre l'architecture et la transférabilité des approches d'apprentissage automatique basées sur la mécanique quantique à de grandes molécules d'importance pharmaceutique.

« La génération de nouveaux produits chimiques actifs sur des cibles biologiques pertinentes est le cœur de métier des sociétés pharmaceutiques. Les approches d'apprentissage automatique ont le potentiel d'accélérer le processus et de réduire les taux d'échec dans la découverte de médicaments. Ayant été approchée par une société pharmaceutique de premier plan pour travailler ensemble dans l'identification des candidats médicaments est un signe gratifiant de la reconnaissance industrielle de notre expertise, " commente le Dr Leonardo Medrano-Sandonas, chercheur postdoctoral dans le groupe du Pr Tkatchenko.

Partenaire d'un réseau de formation innovant financé par la Commission européenne

Avec trois grandes sociétés pharmaceutiques européennes (Bayer, AstraZeneca, Janssen), la société chimique Enamine et dix partenaires académiques ayant une expertise dans la conception informatique de médicaments, Le professeur Tkatchenko a reçu la subvention Marie Sklodowska-Curie Actions—Innovative Training Network pour le projet Advanced machine learning for Innovative Drug Discovery (AIDD) pour la période 2021-2023. Ce projet vise à développer des méthodes ML innovantes pour contribuer à un modèle intégré « One Chemistry » qui peut prédire des résultats allant de la génération de molécules à la synthèse et comprendre comment entrelacer la chimie et la biologie pour développer de nouveaux médicaments.

Ici, l'expertise scientifique s'allie à l'expertise en chimie médicinale et synthétique des partenaires industriels, et bénéficie de grands ensembles de données précieux. Pour la première fois, tous les développements méthodologiques seront disponibles en open source. Le réseau de formation préparera une génération de scientifiques possédant des compétences à la fois en apprentissage automatique et en chimie pour faire progresser la chimie médicinale.

"La réalisation de prédictions précises à l'aide de l'apprentissage automatique dépend de manière critique de l'accès à de vastes collections de données de haute qualité et à une expertise du domaine pour les analyser, " explique le professeur Tkatchenko. " Rassembler nos forces est un premier pas vers une révolution de la découverte chimique entraînée par l'apprentissage automatique. "

Le domaine de l'apprentissage automatique pour la découverte chimique est en train d'émerger, et des progrès substantiels devraient se produire dans un proche avenir. Le professeur Tkatchenko a récemment publié un article dans la revue Communication Nature dans lequel il évoque les avancées récentes dans ce domaine et met en lumière les défis pour les années à venir. L'article est disponible en ligne.