Concevoir la molécule d’un nouveau candidat-médicament sur ordinateur est différent de sa production en laboratoire. La deuxième étape consiste à déterminer comment passer des matériaux de départ à la structure cible. Le modèle RetroChimera développé par les chercheurs de Microsoft Research, GSK et Novartis se concentre sur la planification de cette voie de synthèse. L'annonce de recherche de Microsoft indique que la méthode a été évaluée dans une étude publiée dans Nature.
La rétrosynthèse, utilisée par les chimistes, procède à rebours à partir de la molécule souhaitée. La structure cible est décomposée en parties plus simples ; Ensuite, une réflexion est menée sur la manière dont ces fragments seront couplés à des matières premières disponibles dans le commerce. Les options se multiplient rapidement car il y a tellement de réactions possibles à chaque étape. La tâche de RetroChimera est de suggérer des moyens qui méritent d'être mis en œuvre parmi ces options. Une suggestion ne constitue pas une preuve que la réaction s’est déroulée avec succès dans le laboratoire réel.
Les chercheurs ne se sont pas appuyés sur un seul modèle prédictif. Ils ont combiné les résultats de modèles présentant des forces différentes et les ont évalués à l’aide de l’algorithme de recherche. L’objectif est de réduire le risque de négliger des réactions rares mais stratégiquement utiles et de réduire les recommandations de réactions incorrectes. L'article de Nature considère la méthode à la fois sur des données ouvertes et sur des données chimiques internes.
Dans l'évaluation d'experts citée par Microsoft, la séquence de réaction proposée par RetroChimera a été entièrement acceptée pour neuf molécules sur dix sélectionnées pour la comparaison. Dans d’autres méthodes, ce nombre était compris entre deux et cinq. Dans une autre évaluation, neuf doctorants en chimie organique ont préféré d'environ 64 pour cent la proposition initiale du modèle aux voies précédemment documentées. Il s’agit de résultats provenant d’ensembles de tests limités ; Cela ne veut pas dire qu’il connaîtra le même succès dans toutes les synthèses chimiques.
Le processus de laboratoire proprement dit est toujours un examen distinct
Un problème courant dans la recherche sur les drogues est que les données des institutions diffèrent des ensembles de données publics ouverts. L'équipe rapporte qu'elle a pu adapter le modèle pré-entraîné aux données internes de GSK. Cela indique que l'outil peut être évalué non seulement dans des tableaux comparatifs académiques mais également dans l'environnement de travail en entreprise. Cependant, l'adaptation des données ne prouve pas que le composé proposé est un médicament sûr ou efficace.
Lors du choix de la voie de synthèse, la disponibilité des matières premières, le rendement de la réaction, le coût et la sécurité doivent également être pris en compte. Une filière peut paraître courte sur le papier mais peut produire des sous-produits difficiles à purifier en laboratoire. Par conséquent, les décisions des chimistes ne concernent pas uniquement l’ordre du modèle. RetroChimera se positionne comme un outil qui restreint les options à évaluer par les experts.
Dans la prochaine étape, Microsoft prévoit de tester le modèle dans de véritables études exploratoires. Une telle application peut démontrer la rapidité du flux de travail et l’utilité pratique des recommandations au-delà des ensembles de données de référence. Les résultats actuellement annoncés n’indiquent pas un raccourcissement significatif de la période de développement du médicament ni l’émergence d’un nouveau traitement.
Le code open source de RetroChimera a été publié sur GitHub. Cela permet aux différentes équipes de recherche d’étudier plus facilement la méthode. La véritable mesure de l’utilisation de l’intelligence artificielle en chimie sera la vérification des suggestions par le biais d’une supervision et d’expériences d’experts ; La meilleure contribution du modèle réside peut-être dans le fait que les chimistes parviennent plus tôt à trouver des voies qui valent la peine d'être essayées.
