Los investigadores están compitiendo para descubrir la molécula de fármaco adecuada para tratar el COVID-19, pero se estima que existen 1060 moléculas posiblemente similares a fármacos.
“Incluso si se verifica hipotéticamente una molécula por segundo, explorar todo el espacio químico tomaría más tiempo que la edad del universo”, dijo Shinya Yuki, cofundador y CEO de la empresa emergente Elix, Inc., con sede en Tokio. “La IA puede explorar eficientemente grandes espacios de búsqueda para resolver problemas difíciles, ya sea en el descubrimiento de fármacos, el desarrollo de materiales o un juego como Go.”
La compañía de Yuki está utilizando el deep learning para acelerar el descubrimiento de fármacos, mediante el desarrollo de redes neuronales que predicen las propiedades de las moléculas mucho más rápido que las simulaciones por computadora. Para respaldar la investigación de COVID-19, el equipo está utilizando la IA para encontrar medicamentos aprobados por la FDA o en ensayos clínicos que podrían reutilizarse para tratar el coronavirus.
“El desarrollo de un nuevo medicamento desde cero es un proceso de muchos años, que no es lo mejor en esta situación de pandemia”, dijo Yuki. “La velocidad es crítica y la reutilización de medicamentos puede ayudar a identificar candidatos con un registro de seguridad clínica existente, lo que reduce significativamente el tiempo y el costo del desarrollo de medicamentos.”
Elix publicó recientemente un documento sobre medicamentos aprobados y en etapa de prueba clínica que su modelo de IA identificó para posibles tratamientos de COVID-19. Entre los candidatos seleccionados por la herramienta de IA de Elix estaba remdevisir, un medicamento antiviral que recientemente recibió autorización de uso de emergencia de la FDA para casos de coronavirus.
Elix forma parte de NVIDIA Inception, un programa que ayuda a las startups a llegar al mercado más rápido. Esta empresa utiliza la estación NVIDIA DGX para el entrenamiento e inferencia de sus algoritmos de deep learning. Yuki habló sobre el trabajo de la compañía en IA para el descubrimiento de fármacos en el evento Inception Startup Showcase de GTC Digital, la conferencia digital de NVIDIA para desarrolladores e investigadores de IA.
La Solución de IA de Elix para el Descubrimiento de Fármacos
A nivel molecular, un fármaco exitoso debe tener la combinación perfecta de energías de forma, flexibilidad e interacción para unirse a una proteína objetivo, como las proteínas del pico que cubren la envoltura viral del SARS-CoV-2, el virus que causa COVID-19.
Una persona se infecta con COVID-19 cuando estas proteínas del pico se unen a las células del cuerpo para llevar el virus a las células. Un medicamento antiviral eficaz podría interferir con este proceso de adhesión. Por ejemplo, la molécula de un fármaco prometedor se uniría con receptores en las proteínas del pico, para evitar que el virus se adhiera a las células humanas.
Para ayudar a los investigadores a encontrar el mejor medicamento para el trabajo, Elix utiliza una variedad de redes neuronales para reducir rápidamente el campo de moléculas potenciales. Esto permite a los investigadores reservar pruebas físicas en el laboratorio para un subconjunto más pequeño de moléculas que tienen una mayor probabilidad de resolver el problema.
Con los modelos predictivos de IA, el equipo de Yuki puede analizar una base de datos de candidatos a fármacos para inferir cuáles tienen las propiedades físicas y químicas adecuadas para tratar una enfermedad determinada. También usan modelos generativos, que comienzan desde cero para crear estructuras moleculares prometedoras, algunas de las cuales pueden no encontrarse en la naturaleza.
Ahí es donde entra en juego una tercera red neuronal, un modelo de retrosíntesis que ayuda a los investigadores a determinar si las moléculas generadas pueden sintetizarse en el laboratorio.
Elix utiliza múltiples sistemas NVIDIA DGX Station, workstations de IA con GPU para equipos de desarrollo de ciencia de datos, para acelerar el entrenamiento y la inferencia de estas redes neuronales, a fin de lograr una velocidad hasta 6veces mayor usando una sola GPU para el entrenamiento, en comparación con una CPU.
Yuki dice que la aceleración es esencial para los modelos generativos, que, de lo contrario, tomarían una semana o más para entrenar el modelo hasta la convergencia, cuando la red neuronal alcanza la tasa de error más baja posible. Cada estación DGX tiene cuatro GPU NVIDIA V100 Tensor Core, lo que permite al equipo de Elix trabajar con modelos de IA más grandes y realizar múltiples experimentos a la vez.
“Las estaciones DGX son básicamente supercomputadoras. Por lo general, tenemos varios usuarios trabajando en la misma máquina al mismo tiempo”, dijo. «No solo podemos entrenar modelos más rápido, también podemos ejecutar hasta 15 experimentos en paralelo.”
Entre los clientes de la empresa emergente se incluyen compañías farmacéuticas, institutos de investigación y universidades. Dado que los datos moleculares son propiedad intelectual confidencial para la industria farmacéutica, la mayoría elige ejecutar los modelos de IA en sus propios servidores locales.
Más allá del descubrimiento de fármacos, Elix también usa la IA para el diseño molecular de la informática de materiales, mediante el trabajo con empresas como el fabricante de neumáticos y caucho Bridgestone y RIKEN, la institución de investigación más grande de Japón. La compañía también desarrolla modelos de visión por computadora para la conducción autónoma y la IA en edge.
En un proyecto, el equipo de Yuki trabajó con la compañía química global Nippon Shokubai para generar una molécula que se pueda usar como material de mezcla para la tinta, mientras que presenta un bajo riesgo de irritación de la piel.
Obtén más información sobre Elix en la charla rápida de GTC Digital de Yuki. Visita nuestra página sobre COVID para explorar cómo otras nuevas empresas están utilizando la inteligencia artificial y el procesamiento acelerado para combatir la pandemia.
Imagen principal de Chaos, con licencia de Wikimedia Commons bajo CC BY-SA 3.0.