Também é lisonjeiro Foi mostrado o quanto um computador pode melhorar a precisão e exatidão da inteligência artificial genérica para modelos de descoberta de medicamentos. Eles fizeram isso usando tempo e dinheiro economizados em outros projetos.
A equipe da Universidade Técnica da Dinamarca executou seu modelo generativo de IA para prever proteínas em conjunto com um computador de impressão quântica em grande escala construído pela startup britânica ORCA Compute, que estimulou a IA combinando máquinas quânticas com processadores tradicionais. Os pesquisadores usaram uma técnica híbrida para gerar novos peptídeos, cadeias curtas de aminoácidos que se ligam a proteínas específicas do corpo. Fazer isso é um passo crucial no desenvolvimento de vacinas.
A equipe de pesquisadores trabalhava nos finais de semana e carecia de financiamento de outros projetos, porque “a ciência mais importante é assustadora demais para as fundações”, segundo o professor da DTU Timothy Patrick Jenkins, que liderou o projeto.
Ao produzir peptídeos em laboratório e testar se estes apresentavam ligação a proteínas individuais, os peptídeos modelo foram mais bem-sucedidos do que os clássicos, com melhorias mais fortes onde havia raros dados de treinamento.
A equipe acredita que a máquina poderia acelerar o desenvolvimento de imunoterapias e vacinas personalizadas, bem como melhorar a eficácia dos medicamentos em populações carentes.
“Precisamos realmente provar aos céticos que nossas previsões se conectam ao mundo real”, disse Patrick Jenkins à WIRED. A computação quântica continua sendo um campo emergente e enfrenta intensa pesquisa devido aos desafios técnicos de construir máquinas e aplicá-las com sucesso para resolver problemas.
Até Patrick Jenkins inicialmente relutou em explorar a tecnologia: “Eu era um grande cético”, diz ele rindo, acreditando que qualquer aplicação do seu trabalho levaria “uma década”.
Ele e a sua equipa utilizam big data e IA para descobrir proteínas que poderiam desbloquear novas imunoterapias mais baratas e mais rápidas, muitas vezes financiadas pela Fundação Novo Nordisk. Uma vez que a maioria dos modelos biológicos estão desesperados por mais dados, um desafio particular para a equipa tem sido a falta de dados sobre toda a gama de informação genética em toda a raça humana, uma vez que a maior parte da investigação médica está focada nos países ocidentais. Isto pode dificultar o desenvolvimento de peptídeos que funcionem, como os da Ásia e da África, diz ele.
Sua equipe levantou a hipótese de que o computador quântico incorporado em seu fluxo de trabalho lhes permitiria gerar um número mais diversificado de peptídeos, especialmente para alvos sobre os quais tinham menos dados, depois de perceber que as máquinas tinham um efeito semelhante na geração de imagens.
O processo recém-descoberto não será capaz de revolucionar a investigação, mas como os computadores ainda são demasiado pequenos para modelos completos, modelos de IA de ponta, melhores resultados podem ser alcançados num computador clássico.
“O quantum ainda não é muito poderoso, então o nível de complexidade que conseguimos codificar não era o anticorpo de tamanho normal com o qual normalmente trabalhamos”, diz o estudante de doutorado da DTU, Jonathan Funk. Além disso, encontrar um peptídeo que possa se ligar a um gene específico é apenas uma etapa no desenvolvimento de uma vacina e não produz, por si só, medicamentos bem-sucedidos.
“Não acho surpreendente que muitas empresas industriais sejam tão obscuras e distantes”, disse o presidente-executivo da ORCA Computing, Richard Murray, à WIRED, em parte porque a tecnologia não teve “modelos de utilidade realmente claros perto da fronteira”.
Ele diz que este estudo é novo porque mostra perto do limite da aplicação comercial do quantum. Sua empresa também está aplicando a tecnologia por meio de projetos com a petrolífera BP em química e com a montadora Toyota para tornar seu processo de design mais eficiente.
A equipe da DTU verá agora se o fluxo de trabalho pode ser usado com mais modelos cortados e proteínas maiores. “Este trabalho precisa ser fácil para validar que agora temos realmente uma seta para mover a agulha substancialmente”, diz Patrick Jenkins, observando que os fluxos de trabalho generativos de IA em doenças negligenciadas que recebem pouco dinheiro para pesquisa são particularmente valiosos. Ele também usa computação quântica para aprimorar o método generativo de IA para design de moda Um antídoto sintético para veneno de cobra.
