Bagaimana Memberikan 'Naluri' kepada AI tentang Molekul Mana yang Akan Membuat Obat Terbaik

Intuisi dan AI merupakan pasangan yang aneh.

Intuisi sulit untuk dijelaskan. Perasaan itulah yang menggerogoti Anda, meski Anda tidak tahu alasannya. Kita secara alami membangun intuisi melalui pengalaman. Perasaan tidak selalu benar; tetapi sering kali hal-hal tersebut menyusup ke alam bawah sadar kita untuk melengkapi logika dan penalaran ketika mengambil keputusan.

Sebaliknya, AI belajar dengan cepat dengan mencerna jutaan titik data yang sulit dipahami, menghasilkan hasil yang murni analitis—walaupun tidak selalu masuk akal—berdasarkan masukannya.

Sekarang, sebuah studi baru in Alam Komunikasi mengawinkan pasangan ganjil, menghasilkan sistem pembelajaran mesin yang menangkap intuisi ahli kimia untuk pengembangan obat.

Dengan menganalisis masukan dari 35 ahli kimia di Novartis, sebuah perusahaan farmasi yang berbasis di Swiss, tim tersebut mengembangkan model AI yang belajar dari keahlian manusia dalam tahap pengembangan obat yang sangat sulit: menemukan bahan kimia menjanjikan yang kompatibel dengan biologi kita.

Pertama, para ahli kimia menggunakan intuisi mereka untuk memilih mana dari 5,000 pasangan bahan kimia yang memiliki peluang lebih tinggi untuk menjadi obat yang bermanfaat. Dari umpan balik ini, jaringan saraf tiruan sederhana mempelajari preferensi mereka. Ketika ditantang dengan bahan kimia baru, model AI memberikan masing-masing skor yang menentukan apakah bahan kimia tersebut layak untuk dikembangkan lebih lanjut sebagai pengobatan.

Tanpa rincian apa pun tentang struktur kimia itu sendiri, AI “secara intuitif” memberikan skor lebih tinggi pada komponen struktural tertentu, yang sering kali terdapat pada obat-obatan yang ada, lebih tinggi daripada yang lain. Yang mengejutkan, ia juga menangkap properti samar-samar yang tidak diprogram secara eksplisit dalam upaya pemodelan komputer sebelumnya. Dipasangkan dengan model AI generatif, seperti DALL-E, ahli kimia robot merancang banyak molekul baru sebagai petunjuk potensial.

Banyak kandidat obat yang menjanjikan didasarkan pada “pengetahuan kolaboratif,” tulis tim tersebut.

Studi ini merupakan kolaborasi antara Novartis dan Microsoft Research AI4Science, yang terakhir berbasis di Inggris.

Turun ke Lubang Kelinci Kimia

Sebagian besar obat-obatan kita sehari-hari terbuat dari molekul kecil—Tylenol untuk nyeri, metformin untuk manajemen diabetes, antibiotik untuk melawan infeksi bakteri.

Namun menemukan molekul-molekul ini sungguh menyusahkan.

Pertama, para ilmuwan perlu memahami cara kerja penyakit ini. Misalnya, mereka menguraikan rantai reaksi biokimia yang membuat Anda sakit kepala. Kemudian mereka menemukan mata rantai terlemah dalam rantai tersebut, yang seringkali berupa protein, dan memodelkan bentuknya. Struktur di tangan, mereka menunjukkan dengan tepat celah dan celah di mana molekul dapat mengganggu fungsi protein, sehingga menghentikan proses biologis—voila, tidak ada lagi sakit kepala.

Berkat prediksi protein AI, seperti AlphaFold, RoseTTAFold, dan cabangnya, kini lebih mudah untuk memodelkan struktur protein target. Menemukan molekul yang cocok adalah masalah lain. Obat tersebut tidak hanya perlu mengubah aktivitas target. Ia juga harus mudah diserap, menyebar ke organ atau jaringan target, dan dimetabolisme dan dikeluarkan dengan aman dari tubuh.

Di sinilah peran ahli kimia obat. Para ilmuwan ini adalah pionir dalam penerapan pemodelan komputer. Lebih dari dua dekade yang lalu, bidang ini mulai menggunakan perangkat lunak untuk menyaring database bahan kimia yang sangat besar untuk mencari petunjuk yang menjanjikan. Setiap prospek potensial kemudian dievaluasi oleh tim ahli kimia sebelum dikembangkan lebih lanjut.

Melalui proses ini, ahli kimia obat membangun intuisi bahwa memungkinkan mereka mengambil keputusan secara efisien ketika meninjau kandidat obat yang menjanjikan. Beberapa dari pelatihan mereka bisa jadi disaring menjadi aturan untuk dipelajari oleh komputer—misalnya, struktur ini kemungkinan besar tidak akan masuk ke otak; yang satu itu bisa merusak hati. Aturan ahli ini telah membantu penyaringan awal. Namun sejauh ini, tidak ada program yang dapat menangkap seluk-beluk pengambilan keputusan, sebagian karena para ahli kimia tidak dapat menjelaskannya sendiri.

Aku Punya Perasaan

Studi baru ini berupaya menangkap hal-hal yang tidak dapat dijelaskan dalam model AI.

Tim ini merekrut 35 ahli kimia di berbagai pusat Novartis di seluruh dunia, masing-masing dengan keahlian berbeda. Beberapa bekerja dengan sel dan jaringan, misalnya, yang lain dengan pemodelan komputer.

Intuisi sulit diukur. Itu juga tidak bisa diandalkan. Sebagai dasar, tim merancang permainan multipemain untuk mengukur apakah masing-masing ahli kimia konsisten dalam pilihan mereka dan apakah pilihan mereka sesuai dengan pilihan orang lain. Setiap ahli kimia diperlihatkan 220 pasangan molekul dan ditanyai pertanyaan yang sengaja dibuat tidak jelas. Misalnya, bayangkan Anda sedang menjalani kampanye skrining virtual awal, dan kita memerlukan obat yang dapat diminum dalam bentuk pil—molekul mana yang Anda pilih?

Tujuannya adalah untuk mengurangi pemikiran berlebihan, mendorong para ahli kimia untuk mengandalkan intuisi mereka tentang bahan kimia mana yang bertahan dan mana yang hilang. Pengaturan ini berbeda dari evaluasi biasa, di mana ahli kimia memeriksa sifat molekul tertentu dengan model prediktif—yaitu data keras.

Para ahli kimia konsisten dalam penilaian mereka sendiri, namun tidak selalu setuju satu sama lain—mungkin karena perbedaan pengalaman pribadi. Namun, terdapat cukup banyak tumpang tindih untuk membentuk pola dasar yang dapat dipelajari oleh model AI, jelas tim tersebut.

Mereka selanjutnya membangun kumpulan data menjadi 5,000 pasangan molekul. Molekul-molekul tersebut, masing-masing diberi label dengan informasi tentang struktur dan fitur lainnya, digunakan untuk melatih jaringan saraf tiruan sederhana. Dengan pelatihan, jaringan AI selanjutnya menyesuaikan cara kerjanya berdasarkan masukan dari ahli kimia, yang pada akhirnya memberikan skor pada setiap molekul.

Sebagai pemeriksaan kewarasan, tim menguji model tersebut pada pasangan bahan kimia yang berbeda dari yang ada dalam kumpulan data pelatihannya. Saat mereka meningkatkan jumlah sampel pelatihan, kinerjanya meningkat.

Meskipun program komputer sebelumnya mengandalkan aturan untuk membuat obat yang menjanjikan berdasarkan struktur molekul, skor model baru tidak secara langsung mencerminkan aturan tersebut. AI menangkap pandangan yang lebih holistik tentang suatu bahan kimia—sebuah pendekatan yang sangat berbeda penemuan obat daripada yang digunakan dalam perangkat lunak robo-kimia klasik.

Dengan menggunakan AI, tim tersebut kemudian menyaring ratusan obat yang disetujui FDA dan ribuan molekul dari bank data kimia. Bahkan tanpa pelatihan eksplisit, model tersebut mengekstraksi struktur kimia—yang disebut “fragmen”—yang lebih mudah dikembangkan sebagai obat. Preferensi penilaian AI cocok dengan molekul mirip obat yang ada, sehingga menunjukkan bahwa AI telah memahami inti dari apa yang berpotensi menjadi petunjuk.

Roman Kimia

Novartis bukanlah perusahaan pertama yang mengeksplorasi hubungan kimia antara manusia dan robot.

Sebelumnya, perusahaan farmasi Merck juga mengetuk ke dalam keahlian internal mereka untuk menentukan peringkat bahan kimia berdasarkan sifat yang diinginkan. Di luar industri, sebuah tim di Universitas Glasgow mengeksplorasi penggunaan robot berbasis intuisi untuk eksperimen kimia anorganik.

Ini masih merupakan penelitian kecil, dan penulis tidak dapat mengesampingkan kesalahan manusia. Beberapa ahli kimia mungkin memilih molekul berdasarkan bias pribadi yang sulit untuk dihindari sepenuhnya. Namun, pengaturan ini dapat digunakan untuk mempelajari langkah-langkah lain dalam penemuan obat yang mahal untuk diselesaikan secara eksperimental. Meskipun model ini didasarkan pada intuisi, hasilnya dapat didukung oleh filter berbasis aturan untuk lebih meningkatkan kinerjanya.

Kita berada di era di mana pembelajaran mesin dapat merancang puluhan ribu molekul, jelas tim tersebut. Asisten ahli kimia AI, yang dilengkapi dengan intuisi, dapat membantu mempersempit kandidat pada tahap awal penemuan obat yang kritis, dan pada gilirannya, mempercepat keseluruhan proses.

Gambar Kredit: Eugenia Kozyr / Unsplash

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
• Sumber: https://singularityhub.com/2023/11/03/how-to-give-ai-a-gut-feeling-for-which-molecules-will-make-the-best-drugs/