http://www.lescienze.it Le Scienze 79
Gli algoritmi di Exscientia confrontano le poche informazio-
ni disponibili su una proteina bersaglio con una banca dati conte-
nente circa un miliardo di interazioni proteiche. Questo passaggio
riduce il numero di possibili composti potenzialmente efficaci e
specifica quali altri dati potrebbero aiutare a definire ulteriormen-
te l’obiettivo, dati che per esempio potrebbero provenire dall’ana-
lisi di campioni di tessuto per scoprire in modo più approfondito
come la proteina funziona all’interno dell’organismo. I nuovi da-
ti ottenuti sono poi inseriti nel programma, che filtra nuovamente
l’elenco e indica un’altra serie di dati necessari. La procedura si ri-
pete fino a quando il programma non è in grado di fornire un elen-
co gestibile di composti che rappresentino candidati farmaci alta-
mente probabili per il bersaglio.
Hopkins afferma che la procedura seguita da Exscientia può
accorciare il tempo dedicato alla scoperta di farmaci da 4,5 anni a
uno, taglia i relativi costi dell’80 per cento e riduce a un quinto il
numero di composti sintetizzati rispetto a quelli di solito necessari
per ottenere un singolo farmaco. Al momento, Exscientia collabo-
ra con Celgene, importante azienda biofarmaceutica, nel tentativo
di identificare nuovi potenziali farmaci per tre bersagli.
Nel frattempo una partnership tra Exscientia e GlaxoSmith-
Kline ha portato a quella che le aziende considerano una moleco-
la promettente nel colpire una nuova via per il trattamento della
malattia polmonare ostruttiva cronica. Ma, come nel caso di tut-
te le aziende di IA che si occupano di sviluppo di farmaci, Exscien-
tia non ha l’esperienza sufficiente per generare un numero suffi-
ciente di nuovi candidati in grado di raggiungere le ultime fasi dei
trial, un processo che generalmente richiede da cinque a otto an-
ni. Secondo Hopkins, uno dei candidati identificati da Exscientia
potrebbe arrivare alla fase di sperimentazione sugli esseri umani
già quest’anno. «A conti fatti, saremo giudicati sui nuovi farmaci
che riusciremo a produrre», afferma.Nuovi bersagli necessari
Nello studio di nuovi farmaci, l’identificazione di una moleco-
la per colpire un nuovo bersaglio non è l’unica grande sfida, c’è
anche la necessità di identificare innanzitutto i bersagli stessi. Per
rilevare le proteine potenzialmente coinvolte nelle malattie, l’a-
zienda biofarmaceutica Berg applica l’IA per setacciare le infor-
mazioni ottenute da campioni di tessuti umani. Secondo Niven R.
Narain, CEO di Berg, questo approccio punta a superare due osta-
coli che riguardano quasi tutte le ricerche sui bersagli farmacolo-
gici: prima di tutto, il fatto che le ricerche tendono a basarsi sulle
teorie o sulle intuizioni del singolo ricercatore, che possono con-
dizionare i risultati e restringere eccessivamente il gruppo dei
candidati; e poi il fatto che spesso queste ricerche possono porta-
re a bersagli collegati alla malattia ma che alla fine non si rivelano
causali, rendendo inefficaci gli interventi su di essi.
L’approccio di Berg consiste nell’ottenere accesso a qualsiasi
dato estraibile da campioni di tessuto, fluidi corporei e flusso san-
guigno di un paziente. I dati ottenuti in questo modo riguardano
genomica, proteomica, metabolomica, lipidomica e altro ancora,
ovvero una serie di informazioni particolarmente estesa da con-
siderare nella ricerca di bersagli. I campioni provengono da per-
sone che soffrono o meno di una particolare malattia e che hanno
raggiunto diversi stadi della stessa. In laboratorio, le cellule vive
provenienti dai campioni sono esposte a condizioni e composti di-
versi, per esempio a bassi livelli di ossigeno o a elevate concentra-
zioni di glucosio. Questo metodo fornisce dati sui cambiamentiSempre più ricercatori biomedici ritengono che alcune malat-
tie complesse, come i tumori o il morbo di Alzheimer, coinvolga-
no centinaia di proteine e che colpirne solo una possa non sia suf-
ficiente. Cyclica cerca di identificare singoli composti che possano
interagire con decine di proteine bersaglio, evitando allo stesso
tempo l’interazione con centinaia di altre proteine, spiega Kurji,
aggiungendo che al momento è in corso l’acquisizione di una gran-
de quantità di dati genetici anonimi provenienti da tutto il mon-
do sulle variazioni nelle proteine, per permettere al programma di
specificare su quali pazienti i candidati farmaci funzionerebbero
meglio. Secondo Kurji, queste funzionalità nel loro insieme accor-
ceranno di cinque anni il tradizionale percorso di sette anni neces-
sario per portare un candidato farmaco dalla fase di identificazione
iniziale alle sperimentazioni su esseri umani.
Merck e Bayer sono alcune tra le grandi case farmaceutiche ad
aver annunciato una collaborazione con Cyclica. Come per molte
collaborazioni del genere, le aziende preferiscono non diffonde-
re informazioni approfondite su quali candidati farmaci progetta-
ti con IA potrebbero arrivare dalle varie collaborazioni. Tuttavia,
Cyclica ha diffuso alcuni dettagli sui risultati positivi ottenuti
nell’identificazione di un’importante proteina bersaglio collegata
ad alcuni farmaci già approvati dall’FDA per la sclerosi sistemica,
una malattia autoimmune della pelle e di altri organi, e di un’altra
malattia collegata al virus Ebola. Essendo già stati approvati dal-
l’FDA per il trattamento di altre malattie (nello specifico HIV e de-
pressione), i farmaci potrebbero essere velocemente «riprogetta-
ti» secondo le nuove applicazioni, se le ricerche continueranno a
dare buoni risultati.
In alcuni casi capita che i ricercatori identifichino una protei-
na bersaglio con un potenziale ruolo chiave in una malattia, per
poi scoprire che non si sappia molto sulla sua struttura e sulle sue
proprietà (come per il 90 per cento circa delle proteine del corpo
umano). Avendo pochi dati a disposizione, quasi tutti i program-
mi di machine learning e deep learning non saranno in grado di
capire come intervenire sulla proteina, ovvero come realizzare
composti che si leghino a essa e soddisfino i criteri di sicurezza ed
efficacia. Alcune aziende di IA stanno affrontando i problemi le-
gate alla scarsità di dati disponibili (o «small data»); tra queste fi-
gura Exscientia, che usa i propri programmi per scovare molecole
potenzialmente efficaci su una proteina bersaglio. Secondo An-
drew Hopkins, professore di medicina informatica all’Università
di Dundee, in Scozia, e CEO di Exscientia, l’azienda può fornire in-
formazioni utili disponendo solo di dieci informazioni su una da-
ta proteina.
90
la percentuale dei farmaci scartati durante le varie fasi
dei trial clinici sugli esseri umani, dopo anni
e anni di investimenti. L’intelligenza artificiale potrebbe
migliorare l’efficienza di questo processo