Překvapivý objev: AI při navrhování léků spoléhá na vzdálenosti, ne na chemické principy

Vědci z Univerzity v Bonnu a Lamarr Institutu pro strojové učení a umělou inteligenci odhalili, jak umělá inteligence, konkrétně difuzní modely, skutečně funguje při navrhování nových léků.

Vědci z Univerzity v Bonnu a Lamarr Institutu pro strojové učení a umělou inteligenci odhalili, jak umělá inteligence, konkrétně difuzní modely, skutečně funguje při navrhování nových léků. Jejich výzkum, publikovaný v časopise Cell Reports Physical Science, ukazuje, že AI se při tvorbě molekul spoléhá spíše na vzdálenostní omezení než na chemické principy.

Difuzní modely, původně využívané pro generování obrázků a videí, se v poslední době rozšířily i do chemie pro vytváření nových molekul. V kontextu vývoje léků jsou klíčové pro tzv. linker design. Linker je podstruktura molekuly, která spojuje dva nebo více atomových fragmentů. Jeho správný návrh je zásadní pro vytvoření účinných molekul s požadovanými vlastnostmi. Tyto modely fungují tak, že se učí distribuci dat, přidávají "šum" k existujícímu vzorku (například molekule), dokud se původní vzorek "nezničí", a poté se učí, jak tento šum odstranit, aby vytvořily nový, platný vzorek.

Pro pochopení generativního procesu difuzních modelů vyvinuli vědci novou strategii nazvanou DiffSHAPer. Tato metoda, která rozšiřuje koncept Shapleyho hodnot z oblasti vysvětlitelné umělé inteligence, umožňuje určit, které atomové fragmenty jsou nejvlivnější pro generování linkeru. Klíčové zjištění je, že difuzní modely pro generování chemicky platných linkerů se neučí ani nevyužívají chemické principy. Místo toho se převážně spoléhají na vzdálenostní omezení mezi atomy a opakující se statistické vzorce v datech, aniž by si osvojily zobecnitelné chemické pravidla.

Tento poznatek má významné důsledky pro budoucí vývoj léků. Linker vytvořený pouze na základě vzdálenostních a geometrických omezení totiž nezaručuje optimalizaci vlastností molekuly ani její praktickou chemickou užitečnost. Pochopení vnitřního fungování těchto modelů je prvním krokem k jejich zlepšení. Budoucí výzkum se zaměří na vývoj modelů, které budou schopny do svého vnitřního uvažování zahrnout více chemického kontextu, čímž se zvýší jejich efektivita a spolehlivost v designu léků.