Sztuczna inteligencja w projektowaniu nowych leków oraz w repozycjonowaniu już istniejących

Konrad Gigoń; Joanna Jureczko; Marcin Jezierzański; Oskar Fogiel; Vanessa Gąsiorowska; Marlena Grzybek

Sztuczna inteligencja w projektowaniu nowych leków oraz w repozycjonowaniu już istniejących

Autorzy

Konrad Gigoń - Studenckie Koło Naukowe przy Katedrze i Zakładzie Biofizyki im. prof. Zbigniewa Religi, Wydział Nauk Medycznych w Zabrzu, Śląski Uniwersytet Medyczny w Katowicach; Joanna Jureczko - 2. Wydział Nauk Medycznych w Zabrzu, Akademia Śląska w Katowicach; Marcin Jezierzański - Studenckie Koło Naukowe przy Katedrze i Zakładzie Biofizyki im. prof. Zbigniewa Religi, Wydział Nauk Medycznych w Zabrzu, Śląski Uniwersytet Medyczny w Katowicach; Oskar Fogiel - Studenckie Koło Naukowe przy Katedrze i Zakładzie Biofizyki im. prof. Zbigniewa Religi, Wydział Nauk Medycznych w Zabrzu, Śląski Uniwersytet Medyczny w Katowicach; Vanessa Gąsiorowska - Studenckie Koło Naukowe przy Katedrze i Zakładzie Biofizyki im. prof. Zbigniewa Religi, Wydział Nauk Medycznych w Zabrzu, Śląski Uniwersytet Medyczny w Katowicach; Marlena Grzybek - Studenckie Koło Naukowe przy Katedrze i Zakładzie Biofizyki im. prof. Zbigniewa Religi, Wydział Nauk Medycznych w Zabrzu, Śląski Uniwersytet Medyczny w Katowicach

Słowa kluczowe:

sztuczna inteligencja, uczenie maszynowe, farmakologia, repozycjonowanie leku

Streszczenie

W ostatnich latach, efektywność procesu projektowania oraz produkowania nowych leków posiada tendencję spadkową. Zwiększająca się cena, potrzebny czas, oraz nakład wymaganej pracy wymagane do powstania nowego leku, obrały niemożliwy do utrzymania w przyszłości trend. Zmianę na korzyść w tym obszarze nauki, może przynieść wprowadzenie do standardu w procesie powstawania leków, technik wykorzystujących sztuczną inteligencję (AI), machine learning (ML), deep learning (DL), oraz zastosowanie repozycjonowania leków (ang. drug repurposing), czyli procesu wykorzystującego AI w przeanalizowaniu oraz ewentualnym zmodyfikowaniu już istniejących leków, w celu wykorzystania ich w innych lub nowych chorobach, co zostało dokonane na przykład w onkologii, lub podczas pandemii COVID-19, która wymagała szybkiego znalezienia leków pomocnych w zwalczaniu tej mało rozumianej wówczas choroby. Póki co AI nie jest jeszcze w stanie w pełni objąć różnorodnego oraz rozległego systemu danych biologicznych, w wyniku czego nie powstały jeszcze leki, których proces powstawania opierałby się wyłącznie na technikach z wykorzystaniem AI. Mimo tych ograniczeń, powstało już wiele działających systemów, które okazały się obiecujące i które przynoszą duże nadzieje na postęp w tej dziedzinie farmakologii. Celem tego artykułu jest przybliżenie procesów towarzyszących powstawaniu leków, oraz sposobów wykorzystania AI w celu ich usprawnienia. Artykuł ten również opisze procesy ponownego zastosowania już istniejących leków, które zostały z powodzeniem zastosowane np. podczas pandemii COVID-19.

Bibliografia

Drews J. Drug Discovery: A Historical Perspective. Science. 2000;287(5460):1960-1964. doi:10.1126/science.287.5460.1960

Aminov RI. A Brief History of the Antibiotic Era: Lessons Learned and Challenges for the Future. Front Microbio. 2010;1. doi:10.3389/fmicb.2010.00134

Fleming, A. (1941). Penicillin. British medical journal, 2(4210), 386.

Hare R. New light on the history of penicillin. Med Hist. 1982;26(1):1-24. doi:10.1017/s0025727300040758

Emerging Applications of Metabolomics in Drug Development. J Metabol Syst Biol. 2018;3(1):01-03. doi:10.13188/2329-1583.1000007

Park JW, Kerbel RS, Kelloff GJ, i in. Rationale for Biomarkers and Surrogate End Points in Mechanism-Driven Oncology Drug Development. Clinical Cancer Research. 2004;10(11):3885-3896. doi:10.1158/1078-0432.ccr-03-0785

Analiza Procesów Kształtowania Cen Leków Na Rynku Farmaceutycznym W Polsce. Część 1 the Analysis of the Medicines Price Formation Processes on the Pharmaceutical Market in Poland. Part 1. Accessed April 16, 2023. https://dbc.wroc.pl/Content/30551/PDF/46.pdf

Deore AB, Dhumane JR, Wagh R, Sonawane R. The Stages of Drug Discovery and Development Process. Asian J Pharm Res Dev. 2019;7(6):62-67. doi:10.22270/ajprd.v7i6.616

Żołnierek, J., Nurzyński, P., & Rzepecki, P. (2007). Nowe leki stosowane w leczeniu przerzutowego raka nerki. Współcz Onkol, 11, 41-47.

Makridakis S. The forthcoming Artificial Intelligence (AI) revolution: Its impact on society and firms. Futures. 2017;90:46-60. doi:10.1016/j.futures.2017.03.006

Bishop CM. Model-based machine learning. Phil Trans R Soc A. 2013;371(1984):20120222. doi:10.1098/rsta.2012.0222

VoPham T, Hart JE, Laden F, Chiang YY. Emerging trends in geospatial artificial intelligence (geoAI): potential applications for environmental epidemiology. Environ Health. 2018;17(1). doi:10.1186/s12940-018-0386-x

Lee JG, Jun S, Cho YW, i in. Deep Learning in Medical Imaging: General Overview. Korean J Radiol. 2017;18(4):570. doi:10.3348/kjr.2017.18.4.570

Gunčar G, Kukar M, Notar M, i in. An application of machine learning to haematological diagnosis. Sci Rep. 2018;8(1). doi:10.1038/s41598-017-18564-8

Koohy H. The rise and fall of machine learning methods in biomedical research. F1000Res. 2018;6:2012. doi:10.12688/f1000research.13016.2

Young JD, Cai C, Lu X. Unsupervised deep learning reveals prognostically relevant subtypes of glioblastoma. BMC Bioinformatics. 2017;18(S11). doi:10.1186/s12859-017-1798-2

Patel L, Shukla T, Huang X, Ussery DW, Wang S. Machine Learning Methods in Drug Discovery. Molecules. 2020;25(22):5277. doi:10.3390/molecules25225277

Coronato A, Naeem M, De Pietro G, Paragliola G. Reinforcement learning for intelligent healthcare applications: A survey. Artificial Intelligence in Medicine. 2020;109:101964. doi:10.1016/j.artmed.2020.101964

Chen H, Engkvist O, Wang Y, Olivecrona M, Blaschke T. The rise of deep learning in drug discovery. Drug Discovery Today. 2018;23(6):1241-1250. doi:10.1016/j.drudis.2018.01.039

Paul D, Sanap G, Shenoy S, Kalyane D, Kalia K, Tekade RK. Artificial intelligence in drug discovery and development. Drug Discovery Today. 2021;26(1):80-93. doi:10.1016/j.drudis.2020.10.010

Gupta A, Müller AT, Huisman BJH, Fuchs JA, Schneider P, Schneider G. Generative Recurrent Networks for De Novo Drug Design. Mol Inf. 2017;37(1-2):1700111. doi:10.1002/minf.201700111

Chan YK, Chen YF, Pham T, Chang W, Hsieh MY. Artificial Intelligence in Medical Applications. Journal of Healthcare Engineering. 2018;2018:1-2. doi:10.1155/2018/4827875

Fitzer K, Haeuslschmid R, Blasini R, i in. Patient Recruitment System for Clinical Trials: Mixed Methods Study About Requirements at Ten University Hospitals. JMIR Med Inform. 2022;10(4):e28696. doi:10.2196/28696

Mamoshina P, Vieira A, Putin E, Zhavoronkov A. Applications of Deep Learning in Biomedicine. Mol Pharmaceutics. 2016;13(5):1445-1454. doi:10.1021/acs.molpharmaceut.5b00982

Xu Y, Lin K, Wang S, i in. Deep learning for molecular generation. Future Medicinal Chemistry. 2019;11(6):567-597. doi:10.4155/fmc-2018-0358

Saiakhov R, Chakravarti S, Klopman G. Effectiveness of CASE Ultra Expert System in Evaluating Adverse Effects of Drugs. Mol Inf. 2013;32(1):87-97. doi:10.1002/minf.201200081

Parca L, Pepe G, Pietrosanto M, i in. Modeling cancer drug response through drug-specific informative genes. Sci Rep. 2019;9(1). doi:10.1038/s41598-019-50720-0

Manzoni C, Kia DA, Vandrovcova J, i in. Genome, transcriptome and proteome: the rise of omics data and their integration in biomedical sciences. Briefings in Bioinformatics. 2016;19(2):286-302. doi:10.1093/bib/bbw114

Öztürk H, Özgür A, Ozkirimli E. DeepDTA: deep drug–target binding affinity prediction. Bioinformatics. 2018;34(17):i821-i829. doi:10.1093/bioinformatics/bty593

Pushpakom S, Iorio F, Eyers PA, i in. Drug repurposing: progress, challenges and recommendations. Nat Rev Drug Discov. 2018;18(1):41-58. doi:10.1038/nrd.2018.168

Gupta R, Srivastava D, Sahu M, Tiwari S, Ambasta RK, Kumar P. Artificial intelligence to deep learning: machine intelligence approach for drug discovery. Mol Divers. 2021;25(3):1315-1360. doi:10.1007/s11030-021-10217-3

Cacabelos R. Have there been improvements in Alzheimer’s disease drug discovery over the past 5 years? Expert Opinion on Drug Discovery. 2018;13(6):523-538. doi:10.1080/17460441.2018.1457645

Carracedo-Reboredo P, Liñares-Blanco J, Rodríguez-Fernández N, i in. A review on machine learning approaches and trends in drug discovery. Computational and Structural Biotechnology Journal. 2021;19:4538-4558. doi:10.1016/j.csbj.2021.08.011

Wu C, Gudivada RC, Aronow BJ, Jegga AG. Computational drug repositioning through heterogeneous network clustering. BMC Syst Biol. 2013;7(S5). doi:10.1186/1752-0509-7-s5-s6

You Y, Lai X, Pan Y, i in. Artificial intelligence in cancer target identification and drug discovery. Sig Transduct Target Ther. 2022;7(1). doi:10.1038/s41392-022-00994-0

Zheng X, Ding H, Mamitsuka H, Zhu S. Collaborative matrix factorization with multiple similarities for predicting drug-target interactions. Proceedings of the 19th ACM SIGKDD international conference on Knowledge discovery and data mining. Published online 11 sierpień 2013. doi:10.1145/2487575.2487670

Álvarez-Machancoses Ó, Fernández-Martínez JL. Using artificial intelligence methods to speed up drug discovery. Expert Opinion on Drug Discovery. 2019;14(8):769-777. doi:10.1080/17460441.2019.1621284

Macarron R, Banks MN, Bojanic D, i in. Impact of high-throughput screening in biomedical research. Nat Rev Drug Discov. 2011;10(3):188-195. doi:10.1038/nrd3368

Congreve M, Carr R, Murray C, Jhoti H. A ‘Rule of Three’ for fragment-based lead discovery? Drug Discovery Today. 2003;8(19):876-877. doi:10.1016/s1359-6446(03)02831-9

Reymond JL, van Deursen R, Blum LC, Ruddigkeit L. Chemical space as a source for new drugs. Med Chem Commun. 2010;1(1):30. doi:10.1039/c0md00020e

Reymond JL. The Chemical Space Project. Acc Chem Res. 2015;48(3):722-730. doi:10.1021/ar500432k

Mikulak-Klucznik B, Gołębiowska P, Bayly AA, i in. Computational planning of the synthesis of complex natural products. Nature. 2020;588(7836):83-88. doi:10.1038/s41586-020-2855-y

Jiménez-Luna J, Grisoni F, Weskamp N, Schneider G. Artificial intelligence in drug discovery: recent advances and future perspectives. Expert Opinion on Drug Discovery. 2021;16(9):949-959. doi:10.1080/17460441.2021.1909567

Lipinski CA, Lombardo F, Dominy BW, Feeney PJ. Experimental and computational approaches to estimate solubility and permeability in drug discovery and development settings. Advanced Drug Delivery Reviews. 2012;64:4-17. doi:10.1016/j.addr.2012.09.019

Miljković F, Rodríguez-Pérez R, Bajorath J. Impact of Artificial Intelligence on Compound Discovery, Design, and Synthesis. ACS Omega. 2021;6(49):33293-33299. doi:10.1021/acsomega.1c05512

Genheden S, Thakkar A, Chadimová V, Reymond JL, Engkvist O, Bjerrum E. AiZynthFinder: a fast, robust and flexible open-source software for retrosynthetic planning. J Cheminform. 2020;12(1). doi:10.1186/s13321-020-00472-1

Obrezanova O. Artificial intelligence for compound pharmacokinetics prediction. Current Opinion in Structural Biology. 2023;79:102546. doi:10.1016/j.sbi.2023.102546

Gayvert KM, Madhukar NS, Elemento O. A Data-Driven Approach to Predicting Successes and Failures of Clinical Trials. Cell Chemical Biology. 2016;23(10):1294-1301. doi:10.1016/j.chembiol.2016.07.023

Mayr A, Klambauer G, Unterthiner T, Hochreiter S. DeepTox: Toxicity Prediction using Deep Learning. Front Environ Sci. 2016;3. doi:10.3389/fenvs.2015.00080

Rodrigues T, Werner M, Roth J, i in. Machine intelligence decrypts β-lapachone as an allosteric 5-lipoxygenase inhibitor. Chem Sci. 2018;9(34):6899-6903. doi:10.1039/c8sc02634c

Wang X, Liu M, Zhang L, Wang Y, Li Y, Lu T. Optimizing Pharmacokinetic Property Prediction Based on Integrated Datasets and a Deep Learning Approach. J Chem Inf Model. 2020;60(10):4603-4613. doi:10.1021/acs.jcim.0c00568

Deore AB, Dhumane JR, Wagh R, Sonawane R. The Stages of Drug Discovery and Development Process. Asian J Pharm Res Dev. 2019;7(6):62-67. doi:10.22270/ajprd.v7i6.616

Harrer S, Shah P, Antony B, Hu J. Artificial Intelligence for Clinical Trial Design. Trends in Pharmacological Sciences. 2019;40(8):577-591. doi:10.1016/j.tips.2019.05.005

Bain EE, Shafner L, Walling DP, i in. Use of a Novel Artificial Intelligence Platform on Mobile Devices to Assess Dosing Compliance in a Phase 2 Clinical Trial in Subjects With Schizophrenia. JMIR Mhealth Uhealth. 2017;5(2):e18. doi:10.2196/mhealth.7030

Pushpakom S, Iorio F, Eyers PA, i in. Drug repurposing: progress, challenges and recommendations. Nat Rev Drug Discov. 2018;18(1):41-58. doi:10.1038/nrd.2018.168

Aliper A, Plis S, Artemov A, Ulloa A, Mamoshina P, Zhavoronkov A. Deep Learning Applications for Predicting Pharmacological Properties of Drugs and Drug Repurposing Using Transcriptomic Data. Mol Pharmaceutics. 2016;13(7):2524-2530. doi:10.1021/acs.molpharmaceut.6b00248

Gottlieb A, Stein GY, Ruppin E, Sharan R. PREDICT: a method for inferring novel drug indications with application to personalized medicine. Mol Syst Biol. 2011;7(1):496. doi:10.1038/msb.2011.26

Yang B, Shi J. Developing New Cancer Nanomedicines by Repurposing Old Drugs. Angew Chem Int Ed. 2020;59(49):21829-21838. doi:10.1002/anie.202004317

Kirtonia A, Gala K, Fernandes SG, i in. Repurposing of drugs: An attractive pharmacological strategy for cancer therapeutics. Seminars in Cancer Biology. 2021;68:258-278. doi:10.1016/j.semcancer.2020.04.006

Ahmed F, Soomro AM, Chethikkattuveli Salih AR, i in. A comprehensive review of artificial intelligence and network based approaches to drug repurposing in Covid-19. Biomedicine & Pharmacotherapy. 2022;153:113350. doi:10.1016/j.biopha.2022.113350

Wang M, Cao R, Zhang L, i in. Remdesivir and chloroquine effectively inhibit the recently emerged novel coronavirus (2019-nCoV) in vitro. Cell Res. 2020;30(3):269-271. doi:10.1038/s41422-020-0282-0

Guy RK, DiPaola RS, Romanelli F, Dutch RE. Rapid repurposing of drugs for COVID-19. Science. 2020;368(6493):829-830. doi:10.1126/science.abb9332

Singh TU, Parida S, Lingaraju MC, Kesavan M, Kumar D, Singh RK. Drug repurposing approach to fight COVID-19. Pharmacol Rep. 2020;72(6):1479-1508. doi:10.1007/s43440-020-00155-6

Venkatesan P. Repurposing drugs for treatment of COVID-19. The Lancet Respiratory Medicine. 2021;9(7):e63. doi:10.1016/s2213-2600(21)00270-8