RetroChimera: Nuevas investigaciones avanzan en la síntesis de moléculas asistidas por IA
Los científicos se han vuelto cada vez más hábiles en diseñar moléculas que podrían convertirse en nuevos medicamentos, materiales avanzados o catalizadores. Sin embargo, determinar cómo fabricar esas moléculas en laboratorio es todavía una tarea bastante compleja en el descubrimiento de fármacos y otras áreas de la química.
Investigadores de Microsoft Research y colaboradores como GSK y Novartis, dos empresas globales a la vanguardia del desarrollo de nuevos medicamentos, han desarrollado un modelo de IA llamado RetroChimera para ayudar a abordar ese desafío. Un nuevo estudio publicado en Nature detalla cómo funciona el sistema a través de datos químicos públicos y propietarios y hasta qué punto sus sugerencias se alinean con las expectativas de los químicos expertos.
El trabajo se basa en la investigación de larga data de Microsoft sobre el uso de la IA para acelerar el descubrimiento científico, incluidos avances en química, ciencia de materiales y desarrollo de fármacos.
Cómo funciona
La retrosíntesis es una técnica que parte de una molécula objetivo deseada y trabaja hacia atrás, paso a paso, para descomponerla en bloques de construcción más simples y disponibles a nivel comercial. La tarea a menudo se compara con juegos de mesa estratégicos como el ajedrez y el Go, pero su espacio de decisión es mucho más grande y complejo.
Durante décadas, esta inmensa complejidad combinatoria llevó a los investigadores a creer que la retrosíntesis no podía automatizarse de manera fiable. Pero los avances recientes en aprendizaje automático desafían ahora esta suposición.
Como se describe en el estudio de Nature, RetroChimera, junto con un algoritmo de búsqueda, puede ahora proponer vías de síntesis prometedoras para moléculas objetivo, para demostrar que la IA puede realizar planificación retrosintética a un nivel que complementa cada vez más la toma de decisiones humana experta.
En lugar de depender de un solo modelo de IA, RetroChimera combina predicciones de múltiples modelos con fortalezas complementarias. Esto permite al sistema aprovechar diferentes enfoques de modelado al evaluar posibles rutas de síntesis.
Los investigadores desarrollaron este enfoque tras analizar deficiencias comunes en los sistemas de retrosíntesis existentes, incluidas dificultades para incorporar reacciones menos frecuentes pero importantes a nivel estratégico y una tendencia a generar predicciones inexactas, que hasta ahora habían hecho inviable la planificación automatizada de síntesis de moléculas más complejas.
Por qué es importante
Uno de los retos en el descubrimiento de fármacos farmacéuticos y otras industrias es que las empresas a menudo trabajan con datos químicos propietarios que difieren de los conjuntos de datos públicos utilizados para entrenar muchos sistemas de IA.
Los investigadores demostraron que el modelo RetroChimera preentrenado, puede adaptarse con facilidad a los datos internos de GSK y a sus datos químicos propietarios, lo que sugiere que este enfoque podría ayudar a los investigadores a aplicar la planificación de síntesis impulsada por IA a desafíos prácticos de descubrimiento de fármacos en lugar de solo a conjuntos de datos de referencia y tareas de investigación académica.
El hallazgo podría hacer que la tecnología sea más rápida y menos costosa de personalizar para su uso en otros entornos de investigación reales, incluidas terapias de moléculas pequeñas, ciencia de materiales y desarrollo de productos químicos finos.
Cuando químicos expertos evaluaron las vías propuestas para 10 moléculas seleccionadas para comparar RetroChimera con otros modelos, el nuevo modelo produjo una secuencia de reacciones aceptada por completo para nueve, en comparación con dos a cinco para otros modelos. Y cuando se les dio a elegir entre la principal sugerencia de RetroChimera y formas documentadas de manera previa, de fabricar la misma molécula, nueve químicos orgánicos con doctorado de Microsoft y grandes farmacéuticas prefirieron el enfoque de RetroChimera cerca del 64% de las veces.
¿Qué sigue ahora?
Los investigadores planean evaluar el modelo en entornos reales de descubrimiento, para ir más allá de las pruebas de referencia para entender cómo podría funcionar como parte del proceso de descubrimiento de fármacos.
En última instancia, el objetivo es que RetroChimera forme parte del conjunto de herramientas que los investigadores utilizan para pasar de un diseño molecular prometedor a una vía viable para desarrollarlo en laboratorio.
Enlaces relacionados:
Conozcan más: Mejorar la predicción de síntesis de moléculas pequeñas a gran escala con RetroChimera
Más información: RetroChimera en GitHub
Más información: Microsoft Research: IA para la ciencia
Ilustración principal creada con Microsoft Copilot.
Deborah Bach escribe sobre IA, innovación y las formas transformadoras en que las organizaciones y las personas utilizan la tecnología. Originaria de Columbia Británica, Deborah fue antes reportera para el Seattle Post-Intelligencer y el Baltimore Sun. Su trabajo ha sido publicado en medios como The New York Times, Vancouver Sun y TODAY.com, entre otros. Pueden contactar con Deborah en LinkedIn.