Apprendre aux systèmes d’IA à utiliser l’intuition pour trouver de nouveaux médicaments

Schéma général de l'idée principale derrière l'étude. un Les molécules sont traitées comme des acteurs dans un jeu compétitif, la probabilité que l’une l’emporte sur l’autre est fournie par les retours fournis par les chimistes. Pour cela, les chimistes sont invités à sélectionner l’une des deux molécules après avoir répondu à une question prédéfinie sur une application Web. b Un modèle de score implicite est appris sur la base de ces commentaires. Un réseau neuronal à action directe à deux pattes avec des poids fixes dans chaque branche est fourni avec des paires de molécules caractérisées par des descripteurs chimioinformatiques communs. Pendant l'entraînement, ses paramètres sont optimisés via une perte d'entropie croisée binaire (BCE) qui dépend d'une différence de score latente calculée sur les paires de molécules et du feedback fourni par les chimistes. c Une fois formés, les scores peuvent être déduits pour n’importe quelle molécule arbitraire, qui peut ensuite être utilisée pour des tâches chimioinformatiques en aval. Symboles :s _je , s _j :scores calculés pour les molécules m _je et m _j , respectivement. σ :fonction sigmoïde. θ :paramètres du modèle. Crédit :*Communications Nature* (2023). DOI :10.1038/s41467-023-42242-1

Une équipe combinée de chercheurs biomédicaux des instituts Novartis pour la recherche biomédicale et de Microsoft Research AI4Science a fait des progrès dans l'enseignement aux systèmes d'IA pour trouver de nouveaux médicaments. Dans leur étude, rapportée dans la revue Nature Communications , le groupe a utilisé les retours de chimistes du domaine pour fournir des lignes directrices intuitives pour un modèle d'IA.

Trouver de nouveaux médicaments est une tâche notoirement difficile et laborieuse. Le processus de recherche de nouvelles thérapies implique généralement des experts dans divers domaines travaillant sur différentes parties du problème. Les médecins et autres chercheurs en médecine, par exemple, doivent d’abord découvrir les racines d’une maladie donnée pour en trouver la cause. Les chimistes ou autres chercheurs médicaux doivent alors trouver un produit chimique qui pourrait inverser le problème ou l'empêcher de se produire.

Les deux parties du processus demandent du temps et des efforts. Dans ce nouveau projet, l'équipe de recherche a cherché à déterminer si les applications de l'IA pourraient faciliter la deuxième partie.

L’un des moyens par lesquels de nouveaux médicaments sont découverts est l’intuition :le sentiment instinctif d’un chimiste que certains produits chimiques pourraient s’avérer utiles pour traiter certaines maladies. Cette intuition est difficile à coder. Cela pourrait changer maintenant avec l'avènement des applications d'IA.

Pour appliquer l’IA au problème du développement de médicaments, les chercheurs ont demandé l’avis de 45 chimistes dont le travail consiste à trouver de nouveaux médicaments. Chacun a été invité à choisir parmi une liste de 220 paires chimiques qui, selon eux, avaient de bonnes chances de devenir un médicament utile en utilisant uniquement l'intuition acquise au fil des années d'expérience dans le domaine.

Ce retour d'informations était ensuite transmis au système d'IA, qui classait les paires de produits chimiques en fonction de ce qu'il avait appris. Il répondait en attribuant à chaque paire un score basé sur ses estimations de la probabilité que le médicament soit utile. L'équipe de recherche a ensuite envoyé les paires chimiques les plus performantes à un système basé sur l'IA qui conçoit des molécules en fonction des produits chimiques qui lui sont fournis. Certains des résultats du système ont été décrits par les chercheurs comme prometteurs.

L'équipe de recherche a ensuite testé son système sur des médicaments déjà sur le marché et a découvert ce qu'elle décrit comme un « signal » à tirer des données d'intuition des chimistes – une découverte qui les a convaincus que des recherches plus approfondies sont justifiées.

Plus d'informations : Oh-Hyeon Choung et al, Extraction de l'intuition en chimie médicinale via l'apprentissage automatique préférentiel, Nature Communications (2023). DOI :10.1038/s41467-023-42242-1

Informations sur le journal : Communications naturelles