מודל הבינה המלאכותית של יבמ הצליח למצוא תרכובות הנקשרות לאתרים שונים על גבי חלבוני יעד כנגד מחלת הקורונה הנגרמת על ידי נגיף הקוביד וזזאת ללא הכרת מנגנון ההיקשרות של הנגיף לתא
תרגום: ד”ר משה נחמני
מודל של בינה מלאכותית הצליח לזהות תרכובות נוגדות נגיפים אפשריות הנקשרות לנגיף הקורונה [Sars-CoV-2], זאת רק מתוך מידע הרצף של חלבוני היעד – מבלי לדעת כלל מהו המבנה התלת-מימדי של החלבון או להכיר מראש אתרי קישור ידועים.
חוקרים מחברת יבמ ומאוניברסיטת אוקספורד (בריטניה) “לימדו” מודל של בינה מלאכותית גנרטיבי הקרוי בשם ‘CogMol’, חלק ממודל רחב יותר של יבמ [MolFormer-XL model], להשתמש בידע כללי באשר לחלבונים ולתכונות הקישור שלהם. בשלב הבא, הם השתמשו במודל זה על מנת לזהות חומרים נוגדי נגיפים אפשריים לשם מאבק בנגיף הקורונה [Covid-19]. מאגר ההצעות שהתקבלו בעזרת מודל זה צומצמו עוד יותר על ידי הרשת הנוירונית [RXN] של יבמ על מנת לזהות את אלו שיוכלו באופן פוטנציאלי להיות מסונתזות הלכה למעשה. התרכובות המבטיחות ביותר סונתזו על ידי קבלן באוקראינה ונבדקו כנגד הנגיף. החוקרים הסבירו כי נדרשו שבועות אחדים בלבד, תוך שימוש בנפח ידע מזערי, על מנת למצוא מעכבים חדשים עבור נגיפים מזיקים” מסביר Payel Das, מנהל מחלקת מדעי הבינה המלאכותית של יבמ. לאור העובדה כי המודל CogMol אינו מניח מראש דבר באשר למבנהו של חלבון המטרה, או אתרי הקישור בחלבון, הוא מסוגל לחזות מולקולות היכולות להיקשר לאתרים שונים, עובדה שתוכל להיות מועילה לשם פיתוח תרופות שתהיינה עמידות יותר למוטציות בנגיף המטרה.
שילוב מודל זה [CogMol] ביחד עם אלגוריתמים אחרים של בינה מלאכותית מאפשר לצוות החוקרים להתמקד באלפי ההצעות הראשוניות של מולקולות בעלות תכונות דומות יותר לתרופות, וכן בכאלו שניתן יהיה לסנתז אותן במהירות. החוקרים בחרו בשלב הבא בשמונה תרכובות שאותן ניתן לסנתז – כאשר ארבע מהן התמקדו בכל אחד מהחודים של נגיף הקורונה ובפרוטאז הראשי. בניסויי מעבדה, שתי תרכובות כאלו מכל ארבע הצליחו לעכב את מטרות החלבונים התואמים להן. החוקר הראשי טוען כי אפילו קצב עיכוב זה של חמישים אחוזים, לאור המהירות והפשטות שבה הופעל המודל – מרמז כי “סוג טכנולוגיה זו עשוי לסייע לאנושות לסרוק את עולם הכימיה ולאמוד במהירות אפשרויות רבות. בנוסף, מתוך מחקר שכזה ניתן לזהות מנגנונים חדשים להפעלת/השבתת פתוגן חדשני זה”.
חוקרי יבמ הזינו לתוך המודל [CogMol] את רצף חלבוני החוד (spike) והפרוטאז הראשי על מנת לנסות להתאים אותם לחומרים נוגדי נגיפים אפשריים. בעוד שתוכנות בינה מלאכותית אחרות נדרשות לנתוני מבנה או לתצוגת המולקולות על מנת לחזות את התכונות שלהן, הקלט של המודל הזה [CogMol] הוא מחרוזות תווים פשוטות הקשורות רק לרצף של החלבון. “השיטה שלנו לא מספקת כל חיזוי מבני, וגם לא מסקנות באשר לאזורי הקישור או למבנים פיזיים אחרים”, מסביר חוקר ראשי ביבמ. בנוסף למולקולות שנבחרו לסינתזה, צוות המחקר בחן באופן ממוחשב הצעות אחרות של המודל, זאת על מנת לזהות היכן וכיצד תגבנה התרכובות כלפי חלבוני המטרה. הם מצאו מולקולות שתוכלנה להיקשר לאתרים שלא נחקרו עדיין על גבי החודים של החלבון. “הופתענו לגלות שהמולקולות אינן מגיבות עם אתרי המטרה הרגילים שנבדקו בעבר, אלא עם מתחם הקישור של הקולטן, עובדה שלא סברנו שתוכל להיות אפשרית”, אמר החוקר הראשי.
החוקרים מסבירים כי אתרי קישור חלופיים עבור חומרים נוגדי נגיפים – הרחק מאתר הקישור שבו החלבון נקשר למטרתו הביולוגית הרגילה – עשויים להיות פחות רגישים למוטציות ככל שהנגיף מתפתח, עובדה שתוכל להפחית את הצורך בפיתוח של תרופות חדשות על מנת להיאבק בקצב השתנות המוטציות של הנגיפים. החוקרים מצפים להמשיך עם הניסויים במעבדה על מנת לבדוק את התכונות נוגדות הנגיפים של אותן תרכובות מבטיחות.
חברת יבמ כבר שיתפה פעולה עם חברת התרופות מודרנה באפריל 2023. חברת מודרנה מחפשת תרופות נוגדות נגיפים חדשות כנגד סארס (Severe Acute Respiratory Syndrome – תסמונת נשימתית חריפה חמורה) וכנגד נגיפים אחרים, כך שהשימוש במודל זה של יבמ יוכל להאיץ את תהליך הגילוי והפיתוח הזה.
עוד בנושא באתר הידען:עוד בנושא באתר הידען:
