header.search.error
Gli strumenti di intelligenza artificiale possono rivoluzionare la scoperta di farmaci, consentendo ai ricercatori di analizzare i set di dati su larga scala, progettare nuove molecole e migliorare l'efficacia degli studi clinici.
Punti chiave
Alla Global Technology Conference di Nvidia nel marzo 2024, il CEO Jensen Huang ha delineato una visione audace per il ruolo dell'intelligenza artificiale (AI) nel settore sanitario: "Per la prima volta nella storia dell'umanità, la biologia ha l'opportunità di essere ingegneria, non scienza". 1 Pochi mesi dopo, a maggio, DeepMind di Google ha rilasciato AlphaFold 3, il modello di intelligenza artificiale più accurato per prevedere la struttura delle proteine e le interazioni biomolecolari sviluppato finora.2 Alcuni ricercatori pensano che questo democratizzerà la ricerca di biologia strutturale e rivoluzionerà la scoperta di farmaci.3
Lo sviluppo di un farmaco è tradizionalmente un processo lungo e costoso. Spesso ci vuole un decennio e costa miliardi di dollari – anche per le ricerche più infruttuose – per portare un farmaco da un laboratorio al mercato. L'utilizzo dell'intelligenza artificiale può contribuire a rendere il processo più efficiente, soprattutto se impiegato in ogni fase della scoperta di nuovi farmaci: dall'identificazione del bersaglio e dalla scoperta del composto agli studi clinici.
Lo sviluppo di un farmaco inizia con la scelta del bersaglio giusto, di solito una proteina direttamente associata a una malattia. Infatti, migliaia di bersagli sono stati scoperti utilizzando metodi biologici o biochimici; alcuni di loro hanno rivoluzionato la medicina, ad esempio, la scoperta di PD-1 ha portato all'emergere di inibitori del checkpoint PD-1, un pilastro nell'immunoterapia del cancro.
Nonostante l'impressionante numero di bersagli farmacologici scoperti finora, si stima che, dato l'attuale livello di ricerche sulle relazioni genotipo-fenotipo e sulle modalità disponibili, solo il 5-15% circa di questi bersagli siano effettivamente farmacologici, cioè in grado di essere modulati terapeuticamente dai farmaci.4 L'IA potrebbe aiutare a colmare questo divario analizzando vasti database genomici e producendo nuove informazioni biologiche su percorsi molecolari o collegamenti genetici. Ciò può portare alla scoperta di nuovi o migliori bersagli per lo sviluppo di farmaci. AstraZeneca, ad esempio, utilizza lo screening dell'editing genetico su larga scala per modificare i geni nei genomi e cercare risultati fenotipici che imitano gli effetti desiderati dei farmaci su cellule, tessuti, organi e l'intero corpo.5
Una volta identificato il bersaglio, il passo successivo è trovare una molecola che si leghi ad esso. Quando la superficie di una proteina è troppo liscia e non ha “tasche”, è difficile che i farmaci si leghino. Un altro problema potrebbe essere che il bersaglio identificato potrebbe in realtà fungere da linker tra altri domini proteici, che è alla base di meccanismi complessi che ancora non comprendiamo molto bene. Queste proteine bersaglio sono considerate "undruggable", ovvero non facilmente colpite da farmaci, che rendono quindi la progettazione razionale dei farmaci una sfida complessa.
Negli ultimi anni sono state sviluppate nuove modalità per colpire le proteine "undruggable", come gli anticorpi, le terapie cellulari e geniche, i peptidi, i PROTAC (Proteolysis-Targeting Chimeras), solo per citarne alcuni. Utilizzando la simulazione al computer, l'IA può migliorare il processo di selezione della molecola di piombo prevedendo le proprietà di questa molecola in modo molto più preciso. Se non è disponibile alcuna molecola desiderata, i modelli di intelligenza artificiale sono ora in grado di progettare molecole che non sono mai state viste in natura, dotandole delle proprietà farmacologiche desiderate.
Le proteine hanno un proprio linguaggio (di programmazione). Come hanno ben detto i ricercatori, "le sequenze proteiche possono essere descritte come una concatenazione di lettere di un alfabeto chimicamente definito, gli amminoacidi naturali, e come le lingue umane, queste lettere si organizzano per formare elementi strutturali secondari ("parole"), che si assemblano per formare domini ("frasi") che svolgono una funzione ("significato")". 6
Utilizzando l'elaborazione del linguaggio naturale (apprendimento automatico per rivelare la struttura e il significato dei set di dati linguistici), è ora possibile "decodificare" le proteine in modo che abbiano proprietà e funzioni specifiche. I programmi di intelligenza artificiale come ProGen di Salesforce sono in grado di assemblare sequenze di amminoacidi in proteine artificiali che non esistono in natura quando viene chiesto di trovare una proteina con caratteristiche specifiche, ad esempio con "meno effetti collaterali".
ProGen ha "imparato" il linguaggio delle proteine sulla base di un database di amminoacidi in centinaia di milioni di proteine diverse. Le proteine artificiali sono "grammaticalmente e semanticamente" naturalistiche e mostrano potenti bioattività, secondo i ricercatori.7 Un altro programma di intelligenza artificiale, AlphaFold, è in grado di prevedere la struttura 3D di una proteina dalla sua sequenza di amminoacidi. È interessante notare che i ricercatori hanno scoperto che "i disegni artificiali funzionano molto meglio di quelli ispirati al processo evolutivo".
L'integrazione dell'IA negli studi clinici può migliorarne notevolmente l'efficienza e accelerare l'intero processo. L'intelligenza artificiale può analizzare le cartelle cliniche elettroniche e altri dati dei pazienti per identificare potenziali candidati. I modelli di biosimulazione utilizzano il riconoscimento dei modelli per ottimizzare il dosaggio, prevedere le interazioni farmacologiche e l'efficacia dei farmaci. Infine, l'IA ha dimostrato di essere uno strumento eccellente per affrontare le questioni normative quando i farmaci passano attraverso l'approvazione dell'agenzia regolatoria.
Moderna, l'azienda biotecnologica famosa per aver sviluppato uno dei vaccini contro il COVID-19, ha creato 750 GPT8 per facilitare le attività e i processi interni. Il CEO di Moderna, Stephane Bancel, nutre grandi speranze per l'IA: "... lo usiamo su larga scala per reinventare tutti i processi aziendali di Moderna, nella scienza, nel settore legale, nella produzione, ovunque". 9
L'emergere di tecnologie come il sequenziamento genomico e i conseguenti strumenti di editing genetico rende la biologia concettualmente simile all'ingegneria. Da questo punto di vista, i nucleotidi sono assemblati in DNA, gli amminoacidi in proteine, le proteine in cellule e le cellule in organi. Immagina che ogni modulo di biologia, qualunque sia la sua dimensione, abbia proprietà e funzioni distinte. Una volta che questi moduli sono pienamente compresi, possiamo costruire la biologia proprio come costruiamo i Lego?
Sebbene sia ancora presto, l'IA ha già fornito risultati promettenti. È stato impiegato con successo in varie fasi di studi clinici nello sviluppo di farmaci, ci ha aiutato a comprendere la biologia umana, ha creato nuove molecole e persino ha progettato studi clinici. Il potenziale dell'IA non potrà che crescere man mano che continuerà a essere addestrata su set di dati in continua espansione. Il vero impatto dell'IA verrà alla luce solo quando i farmaci progettati dall'IA completeranno con successo gli studi clinici. Fino ad allora, lo scetticismo potrebbe persistere.
Anche se potrebbe sembrare fantascienza, l'idea di trasformare la biologia in ingegneria è concettualmente intrigante. Per alcuni protagonisti dell'IA, l'arrivo dell'AGI (Artificial General Intelligence)10 è dietro l'angolo. Abbiamo buone ragioni per credere che il prossimo decennio potrebbe essere particolarmente interessante per la medicina e la biologia, creando una vasta gamma di interessanti opportunità di investimento.
Compila il modulo di richiesta e lascia i tuoi dati per essere ricontattato.
Incontra i membri del team responsabile della direzione strategica di UBS Asset Management.
