Get best of the week

Une startup utilise l'IA pour rechercher des molécules qui aideront à combattre le coronavirus

Bonjour à tous. En ce moment, OTUS a ouvert un recrutement pour le cours Python Neural Networks , et aujourd'hui, nous voulons partager avec vous une traduction d'un article intéressant sur une entreprise où notre professeur de cours Arthur Kadurin travaille en tant que chef de l'IA .



Insilico Medicine, une startup basée à Rockville, dans le Maryland, affirme avoir utilisé l'intelligence artificielle pour identifier rapidement les molécules qui pourraient former la base d'un traitement efficace pour l'infection à coronavirus à son apogée.
Il a fallu 4 jours au système Insilico AI pour identifier des milliers de nouvelles molécules qui pourraient être transformées en médicaments antivirus potentiels. À Insilico , ils disent qu'ils synthétisent et testent les 100 candidats les plus prometteurs ainsi qu'une bibliothèque de nouvelles structures moléculaires accessible au public, afin que d'autres chercheurs puissent également les utiliser dans leurs travaux.

UFO Care Minute


COVID-19 — , SARS-CoV-2 (2019-nCoV). — , /, .



, .

, , .

: |

L'urgence sanitaire mondiale causée par la prolifération du nouveau coronavirus mortel connu sous le nom de 2019-nCoV s'est avérée être un véritable défi pour de nombreuses technologies biomédicales modernes, de nouvelles organisations et agences de financement qui s'efforcent de réduire considérablement le temps nécessaire pour créer de nouveaux vaccins et médicaments pour lutter contre la pandémie.

L'idée de base est de trouver et de tester de nouveaux traitements en testant les gens pendant seulement une à deux semaines au lieu de le faire pendant des années. Gillead, une société américaine de biotechnologie , conclut un accordavec un hôpital de Pékin plus tôt cette semaine pour commencer immédiatement à tester le médicament antiviral existant Remdesivir à Wuhan, au cœur de l'épidémie de coronavirus, chez l'homme.

Insilico, en revanche, a décidé de vérifier s'ils pouvaient trouver des indices qui pourraient aider à traiter 2019-nCoV jusqu'au 28 janvier.

Alexander Zhavoronkov, le fondateur et PDG, a commenté à ce sujet: "Quand une épidémie de virus s'est produite, nous ne savions pas à quel point c'était grave."

Selon Zhavoronkov, après que la société ait décidé de participer à l'étude, ils ont étudié une longue liste de toutes sortes de traitements 2019-nCoV qui ont été publiés par le Beijing Global Health Drug Discovery Institute . Comme objectif, ils ont choisi une enzyme appelée protéase de type 3C, qui est cruciale pour la reproduction du virus.

Zhavoronkov a déclaré qu'Insilico avait choisi cette cible en partie parce qu'elle était similaire à d'autres protéases virales dont les structures avaient déjà été modélisées précédemment, et également parce qu'elles avaient accès au modèle de la protéase de type 3C 2019-nCoV développé par Rao Zihe , expert renommé en structures de protéines virales à l'Université de technologie de Shanghai.

Depuis le 31 janvier, Insilico a déployé 28 modèles d'apprentissage automatique différents pour développer de nouvelles molécules qui peuvent se lier à une protéase de type 3C et inhiber sa fonction.
Certaines de ces méthodes utilisent des réseaux contradictoires génératifs (ou GAN), le même type de machine learning communément connu pour créer des deepfakes. Mais dans ce cas, au lieu de générer de fausses vidéos très réalistes, l'IA génère de nouvelles molécules qui forment une structure appropriée pour se lier à la protéase.

Insilico utilise en outre des méthodes d'apprentissage automatique pour filtrer les structures moléculaires qui produisent des GAN: elles donnent la préférence aux structures qui ont des propriétés «médicinales» et qui sont chimiquement actives, tout en rejetant les molécules qui, à en juger par leurs propriétés, sont peu susceptibles de fonctionner comme des médicaments, par exemple, des composés métalliques.

Un certain nombre de filtres sont également utilisés pour s'assurer que l'ensemble des molécules générées n'est pas similaire aux structures connues existantes (Zhavoronkov affirme qu'aucune molécule générée par son système ne correspond à la molécule déjà existante de plus de 70%). Les molécules sont différentes les unes des autres, la société dispose donc d'un ensemble décent de candidats pour les tests.

Quatre jours plus tard, le logiciel Insilico a créé des centaines de milliers de nouvelles structures moléculaires et les a filtrées, laissant plusieurs milliers répondant aux critères qui déterminent si un candidat potentiel pourrait devenir un médicament.
"En quatre jours, nous avons généré de très bonnes molécules", commente Zhavoronkov .

La société a publié un article détaillant ses recherches dans le référentiel de recherche gratuit, non évalué par les pairs, Research Gate . La société a également publié ses recherches et la structure de toutes les molécules potentiellement utiles sur son site Internet . Insilico encourage les chercheurs à étudier et à analyser de manière critique les molécules créées par son système, dans l'espoir d'accélérer la recherche de ces molécules qui pourraient être utiles pour traiter le coronavirus.
Insilico n'est pas la seule entreprise à espérer que l'intelligence artificielle aidera à proposer de nouveaux traitements pour le coronavirus de Wuhan. Une équipe de l'Université du Michigan a récemment publié un articlesur l'utilisation de méthodes d'apprentissage automatique pour créer de nouveaux médicaments contre le nCoV 2019.

Fondée en 2014, Insilico a attiré environ 50 millions de dollars de financement en capital-risque aujourd'hui. Il utilise un certain nombre de technologies différentes basées sur l'intelligence artificielle pour développer de nouvelles molécules qui peuvent former la base de produits pharmaceutiques pour le traitement des maladies et la prévision des résultats des essais cliniques. La société s'est associée au géant pharmaceutique GSK et au chinois Jiangsu Chia Tai Fenghai Pharmaceutical pour les aider à développer des molécules pour de nouveaux médicaments potentiels.


: «Triplet Loss: ».

More articles:


All Articles