This post has already been read 4 times!
Δεκάδες χιλιάδες ιδιωτικές δομές πρωτεϊνών από φαρμακευτικές εταιρείες χρησιμοποιήθηκαν για την εκπαίδευση ενός νέου μοντέλου τεχνητής νοημοσύνης, με τους ερευνητές να αναφέρουν σημαντική βελτίωση στην πρόβλεψη του τρόπου με τον οποίο οι πρωτεΐνες αλληλεπιδρούν με πιθανά φάρμακα.
Η ανάπτυξη τεχνολογιών τεχνητής νοημοσύνης για την ανακάλυψη νέων φαρμάκων αντιμετωπίζει ένα σημαντικό πρόβλημα: την έλλειψη επαρκών δημόσια διαθέσιμων δεδομένων.
Μια νέα συνεργασία φαρμακευτικών εταιρειών επιχειρεί να αντιμετωπίσει αυτό το πρόβλημα αξιοποιώντας έναν τεράστιο όγκο δεδομένων που μέχρι σήμερα παρέμενε σε μεγάλο βαθμό κλειστό μέσα στις εταιρικές βάσεις δεδομένων.
Ένα μοντέλο με πρόσβαση σε ιδιωτικά δεδομένα
Ερευνητές από τη συνεργασία AI Structural Biology (AISB) Network χρησιμοποίησαν το OpenFold3, ένα μοντέλο ανοικτού κώδικα που αναπαράγει τις δυνατότητες του AlphaFold 3.
Στη συνέχεια, το μοντέλο εκπαιδεύτηκε επιπλέον με 20.167 πειραματικά προσδιορισμένες δομές πρωτεϊνών, στις οποίες οι πρωτεΐνες ήταν συνδεδεμένες με πιθανά φαρμακευτικά μόρια, γνωστά ως ligands.
Τα δεδομένα προήλθαν από πέντε φαρμακευτικές εταιρείες. Παρότι χρησιμοποιήθηκαν για την εκπαίδευση του μοντέλου, οι ιδιωτικές πληροφορίες των εταιρειών παρέμειναν προστατευμένες και δεν έγιναν δημόσια διαθέσιμες.
Το αποτέλεσμα ήταν ένα νέο μοντέλο που, σύμφωνα με την ομάδα, παρουσίασε σημαντικά καλύτερες επιδόσεις σε συγκεκριμένες δοκιμές πρόβλεψης.
Γιατί τα δεδομένα είναι τόσο σημαντικά;
Το AlphaFold 2 αποτέλεσε σημαντική τομή στη βιολογία, καθώς κατάφερε να προβλέπει με εντυπωσιακή ακρίβεια την τρισδιάστατη δομή πρωτεϊνών.
Βασικό θεμέλιο της εκπαίδευσής του ήταν η Protein Data Bank (PDB), μια δημόσια βάση δεδομένων που περιλαμβάνει περισσότερες από 200.000 πειραματικά προσδιορισμένες δομές πρωτεϊνών.
Ωστόσο, υπάρχει ένα πρόβλημα: οι διαθέσιμες δομές στις οποίες πρωτεΐνες αλληλεπιδρούν με μόρια παρόμοια με φάρμακα είναι πολύ λιγότερες.
Αυτό έχει ιδιαίτερη σημασία για την ανάπτυξη φαρμάκων. Τα νεότερα μοντέλα, όπως το AlphaFold 3, μπορούν να προβλέπουν όχι μόνο τη δομή μιας πρωτεΐνης, αλλά και τον τρόπο με τον οποίο αυτή μπορεί να αλληλεπιδράσει με άλλα μόρια.
Όσο όμως οι προβλέψεις αφορούν μόρια που διαφέρουν σημαντικά από εκείνα που υπήρχαν στα δεδομένα εκπαίδευσης, η ακρίβεια μπορεί να μειωθεί αισθητά.
Τα «κρυμμένα» δεδομένα των φαρμακευτικών εταιρειών
Οι φαρμακευτικές εταιρείες διαθέτουν έναν τεράστιο όγκο πειραματικών δεδομένων που δημιουργούνται κατά τη διάρκεια της ανάπτυξης νέων φαρμάκων.
Οι δομές αυτές προκύπτουν από τεχνικές όπως η κρυσταλλογραφία ακτίνων Χ και η κρυοηλεκτρονική μικροσκοπία (cryo-EM).
Πολλές από αυτές δεν καταλήγουν σε δημόσιες βάσεις δεδομένων, επειδή συνδέονται με ιδιόκτητα προγράμματα ανάπτυξης φαρμάκων.
Έτσι δημιουργείται μια παράδοξη κατάσταση: τα δεδομένα που χρειάζονται περισσότερο τα μοντέλα τεχνητής νοημοσύνης για την ανακάλυψη φαρμάκων μπορεί να βρίσκονται ακριβώς εκεί όπου δεν έχουν πρόσβαση τα δημόσια μοντέλα.
Καλύτερες προβλέψεις με περισσότερα δεδομένα
Οι ερευνητές του AISB εκπαίδευσαν το OpenFold3 με τα επιπλέον 20.167 δεδομένα και στη συνέχεια δοκίμασαν το μοντέλο σε 1.056 δομές πρωτεΐνης–μορίου που δεν είχαν χρησιμοποιηθεί κατά την εκπαίδευση.
Σύμφωνα με τα αποτελέσματα, το νέο μοντέλο κατάφερε να προβλέψει περισσότερες από τις μισές δομές με υψηλό επίπεδο ακρίβειας.
Για σύγκριση, η δημόσια διαθέσιμη έκδοση του OpenFold3 πέτυχε αντίστοιχη ακρίβεια περίπου στο ένα τρίτο των δομών, ενώ το ανοικτού κώδικα μοντέλο Boltz-2 έφτασε περίπου στο 40%.
Τα αποτελέσματα δείχνουν ότι η προσθήκη εξειδικευμένων πειραματικών δεδομένων μπορεί να βελτιώσει σημαντικά την απόδοση των μοντέλων τεχνητής νοημοσύνης που χρησιμοποιούνται στην υπολογιστική βιολογία.
Ακόμη πιο ενδιαφέρον είναι ότι το μοντέλο της AISB ξεπέρασε και μοντέλα που είχαν εκπαιδευτεί αποκλειστικά με τα αντίστοιχα ιδιωτικά δεδομένα μιας μεμονωμένης εταιρείας. Αυτό υποδεικνύει ότι η συνδυασμένη αξιοποίηση δεδομένων από διαφορετικές εταιρείες μπορεί να προσφέρει επιπλέον πλεονεκτήματα.
Ένα νέο ερώτημα για την τεχνητή νοημοσύνη
Η συγκεκριμένη έρευνα αναδεικνύει ένα ευρύτερο ζήτημα για το μέλλον της τεχνητής νοημοσύνης στη βιοϊατρική: πόσο σημαντική είναι η πρόσβαση σε δεδομένα που δεν υπάρχουν στις δημόσιες βάσεις;
Η μεγαλύτερη διαθεσιμότητα τέτοιων δεδομένων θα μπορούσε να οδηγήσει σε ακόμη καλύτερα μοντέλα και, μακροπρόθεσμα, να επιταχύνει την ανακάλυψη νέων φαρμάκων.
Ταυτόχρονα, όμως, δημιουργούνται ερωτήματα σχετικά με την ιδιωτικότητα, την πνευματική ιδιοκτησία, την πρόσβαση στα δεδομένα και το κατά πόσο τέτοιες τεχνολογίες θα είναι διαθέσιμες στην ευρύτερη επιστημονική κοινότητα.
Για την ώρα, χρειάζεται και μια σημαντική επιφύλαξη: η συγκεκριμένη εργασία δεν έχει ακόμη αξιολογηθεί από ανεξάρτητους επιστήμονες μέσω της διαδικασίας peer review και το νέο μοντέλο δεν είναι διαθέσιμο στο κοινό.
Οι ερευνητές σχεδιάζουν να υποβάλουν πλήρη επιστημονική εργασία για αξιολόγηση από επιστημονικό περιοδικό.
Αν τα αποτελέσματα επιβεβαιωθούν, η έρευνα θα μπορούσε να δείξει ότι το επόμενο μεγάλο άλμα στην τεχνητή νοημοσύνη για την ανακάλυψη φαρμάκων δεν θα έρθει μόνο από μεγαλύτερα μοντέλα, αλλά και από καλύτερα και περισσότερα δεδομένα.
Αναδημοσίευση και απόδοση στα ελληνικά από: Nature
Πηγή: ultragreek.com
