Snabbare läkemedelsutveckling när AI förutsäger molekylers framtid

En ny AI-modell har blivit så bra på att förutsäga hur molekyler utvecklas över tid att den i framtiden skulle kunna göra den dyra och tidskrävande testningen av nya läkemedel snabbare. Tekniken skulle på sikt kunna underlätta utvecklingen av mediciner och nya behandlingar, tack vare att lovande läkemedelskandidater kan sållas fram fortare och med större träffsäkerhet. Nu presenteras framsteget i en ny studie i Science Advances. 

Att utveckla ett läkemedel tar ofta över tio år från idé till färdig medicin, och kan kosta miljarder svenska kronor innan det når patienterna. En stor del av både kostnad och tidsåtgång ligger i de tidiga stegen, eftersom extremt många tester måste genomföras för att sålla fram de lovande kandidaterna. Ofta behövs flera studier där tusentals molekyler screenas – men bara en bråkdel går vidare. 

Traditionellt har molekylers rörelser simulerats med så kallad molekyldynamik, där forskare steg för steg beräknar krafterna mellan alla atomer och flyttar dem en mycket liten bit i taget. För att beräkningarna ska vara stabila måste varje steg vara extremt kort, ungefär en femtosekund (10⁻¹⁵ sekunder). Eftersom de processer som är intressanta för läkemedelsutveckling sker på mycket längre tidsskalor krävs miljarder steg, vilket gör simuleringarna mycket beräkningstunga.  

Stora förändringar med AI 

Med hjälp av AI kan forskare idag förutsäga molekylers beteende utan att behöva räkna ut varje litet tidssteg i rörelsen. Maskininlärning kan göra varje beräkningssteg snabbare, och generativa modeller kan användas för att direkt skapa sannolika molekylformer utan att simulera rörelsen.  

Nu har en grupp forskare från Chalmers tekniska högskola och Göteborgs universitet tagit ytterligare ett steg framåt, genom att utveckla en ny AI-modell som på sikt kan göra testning för läkemedelsutveckling ännu effektivare. Den nya modellen är upp till cirka 10 000 gånger snabbare än konventionella simuleringar, och i vissa fall ännu snabbare.  

–  Det som skiljer ut vår AI-modell är att den lär sig själva dynamiken över längre tidsskalor. Den tar inte bara in kunskap om vilka former molekylerna antar utan också hur snabbt och via vilka vägar molekylernas övergång sker. Det är, såvitt vi vet, första gången detta görs på ett sätt som fungerar för många olika molekyler, säger Simon Olsson, forskningsledare och universitetslektor vid institutionen för data- och informationsteknik på Chalmers och Göteborgs universitet. 

Tusentals molekyler har testats 

I studien granskades över tolv tusen organiska molekyler, som till exempel involverar kol-, kväve-, väte- och syreatomer. Även över tusen korta peptider studerades: molekyler som består av korta kedjor av aminosyror som bygger proteiner. AI-modellen lärde sig hur molekylerna brukar bete sig och kunde därför hoppa framåt i tiden i simuleringarna. Resultaten stämmer fortfarande med fysikens lagar.  

– Vi tränar modellen på simulerade exempel av hur atomerna i en molekyl rör sig över tid. Utifrån dessa sekvenser lär sig modellen de underliggande reglerna för molekylernas rörelse, och kan sedan förutsäga hur nya molekyler beter sig, säger Simon Olsson. 

Forskarna har jämfört modellens resultat och slutsatser med tidigare studier av molekylutveckling. 

–  Vi har validerat resultaten genom att jämföra med oberoende, mycket långa konventionella simuleringar, och de stämmer överens, säger Simon Olsson.  

Förändringar kan förutspås 

Även om AI-modellen inte grundar sig på verkliga bilder så liknar forskarna resultaten som AI-modellen genererar vid en ”en spännande film”, som gör det möjligt att följa hur molekylerna förändras i olika miljöer. 

AI-modellen är grunden för de beräkningsmässiga förutsägelser som forskarna sedan gör i laboratoriet.  

– Där mäter vi väldigt specifika saker: egenskaper hos molekylerna, hur ”nöjda” de är med att vara i en viss lösning eller om de till exempel vill ta sig igenom ett membran in till en cell, säger Simon Olsson.    

AI-modellen jobbar med ultrakorta tidsskalor. En stor styrka är att modellen kan tillämpas på molekyler som den aldrig sett under träningen, eftersom den har lärt sig generella regler för molekylers rörelse snarare än att memorera enskilda system.  

– Det finns ett slags mönster som modellen hjälper oss att få fram. AI-modellen utgår från ett antal exempel, där den bara ser utvecklingen under upp till tio nanosekunder. Ändå kan den förutsäga egenskaper och förändringar hos molekylerna som utvecklas under tusen gånger så lång tid. Vi kan alltså med hjälp av artificiell intelligens ta reda på vad som ska hända i framtiden. Den kan förutsäga hur molekylerna förändras trots att den aldrig sett utvecklingen, säger Simon Olsson.   

Intressant för läkemedelsindustrin 

– För att vi faktiskt ska kunna förutsäga de fysiska fenomen som molekylerna uppvisar måste vi lära oss den underliggande fysiken i hur systemet utvecklas. Vi är bland de första som visar att detta är möjligt på ett sätt som överförs mellan olika molekyler, säger Juan Viguera Diez, industridoktorand vid institutionen för data- och informationsteknik på Chalmers och Göteborgs universitet, och huvudförfattare till artikeln. 

Forskarna ser ett stort intresse från industrin för simuleringar som bättre speglar verkligheten och gör det möjligt att snabbare kunna utveckla nya läkemedel. Eftersom den nya AI-modellen kan öka hastigheten i molekylsimuleringar, där stora mängder möjliga molekyler behöver testas, hoppas forskargruppen att den kan bli ett viktigt steg mot en mer effektiv läkemedelsframställning.  

– Vår AI-modell skulle på sikt kunna bidra till att lovande läkemedelskandidater kan sållas fram fortare, och att träffsäkerheten i tidiga skeden förbättras. Forskningsstudien visar vad som nu är möjligt. Det kan förhoppningsvis bana väg för en utveckling av mer generella tekniker, som i slutändan kan underlätta utvecklingen av nya läkemedel och nya behandlingar, och i bred bemärkelse också förståelsen för sjukdomar, säger Juan Viguera Diez. 

Mer om AI-modellen 

AI-modellen TITO (Transferable Implicit Transfer Operators) är ett djupt generativt modelleringsramverk som lär sig de statistiska reglerna för molekylär rörelse direkt från simuleringsdata. Det gör det möjligt att förutsäga hur atomkonfigurationer (hur atomer är ordnade och förhåller sig till varandra rumsligt i en molekyl) utvecklas över tidsskalor mycket snabbare än konventionella numeriska simuleringar. 

Metoden är i dagsläget testad på mindre molekylära system, i förenklade lösningsmedelsmodeller och vid en bestämd temperatur. Den vidareutvecklas nu för mer komplexa och realistiska system. 

 
Mer om forskningen: 

Artikeln Transferable generative models bridge femtosecond to nanosecond time-step molecular dynamics har publicerats i Science Advances. Författarna är Juan Viguera Diez, Mathias Schreiner och Simon Olsson, som samtliga är verksamma vid Chalmers tekniska högskola och Göteborgs universitet.

För mer information, kontakta: 

Simon Olsson, universitetslektor vid institutionen för data och informationsteknik, Chalmers tekniska högskola och Göteborgs universitet, simonols@chalmers.se   

Simon Olsson talar engelska, danska och tyska. På Chalmers har vi poddstudior och filmutrustning på plats och kan bistå vid förfrågningar om tv-, radio- eller poddintervjuer.

Bildtext, illustration: AI-modellen TITO lär sig att hoppa framåt i tiden med större steg än konventionella numeriska simuleringar, vilket gör att forskarna kan karakterisera molekylers fysikaliska egenskaper fortare. Modellen banar väg för att testning av nya läkemedel kan gå snabbare. 

Illustration: Chalmers tekniska högskola | Juan Viguera Diez and Simon Olsson

Bildtext, bild: Forskarnas nya AI-modell kan på sikt öppna för snabbare testning vid läkemedelsutveckling. Den nya modellen är upp till cirka 10 000 gånger snabbare än konventionella simuleringar. 

Foto: Creative commons | p_a_h

________________

Chalmers tekniska högskola i Göteborg forskar och utbildar inom teknik och naturvetenskap på hög internationell nivå. Universitetet har 3 100 anställda, 10 000 studenter och utbildar ingenjörer, arkitekter och sjöbefäl. Med vetenskaplig excellens som grund utvecklar Chalmers kompetens och tekniska lösningar för en hållbar värld. Genom globalt engagemang och entreprenörsanda skapar vi innovationskraft, i nära samarbete med övriga samhället.
Chalmers grundades 1829 och har än idag samma motto: Avancez – framåt.

Göteborgs universitet är ett av de stora i Europa med 53 500 studenter och 6 500 anställda. Verksamheten bedrivs av åtta fakulteter, till allra största del i centrala Göteborg. Utbildning och forskning har stor bredd och hög kvalitet – det vittnar sökandetryck och nobelpris om. www.gu.se. Följ oss på Twitter. Gilla oss på Facebook. Följ oss på Instagram.