adminDunia penemuan obat bertenaga AI terus berkembang seiring dengan berkembangnya kemampuan pembelajaran mesin. Satu pendekatan yang tampaknya tidak terpikirkan beberapa tahun yang lalu adalah mensimulasikan interaksi yang rumit dari dua molekul yang saling terkait – tetapi itulah yang perlu diketahui oleh perancang obat, dan tepatnya apa yang ingin dilakukan oleh Charm Therapeutics dengan platform DragonFold-nya.
Protein melakukan hampir semua hal yang layak dilakukan dalam tubuh Anda, dan merupakan target obat yang paling sering. Dan untuk menciptakan efek, pertama-tama Anda harus memahami target itu, khususnya bagaimana rantai asam amino penyusun protein “melipat” dalam keadaan yang berbeda.
Di masa lalu, ini sering dilakukan dengan kristalografi sinar-X yang kompleks dan memakan waktu, tetapi baru-baru ini telah ditunjukkan bahwa model pembelajaran mesin seperti AlphaFold dan RoseTTAFold mampu memberikan hasil yang sama baiknya tetapi dalam hitungan detik, bukan minggu atau bulan.
Tantangan selanjutnya adalah meskipun kita tahu bagaimana protein terlipat dalam kondisi yang paling umum, kita tidak tahu bagaimana berinteraksi dengan protein lain apalagi molekul baru yang dibuat khusus untuk mengikatnya. Ketika sebuah protein bertemu dengan pengikat atau ligan yang kompatibel, itu dapat berubah sepenuhnya, karena perubahan kecil dapat mengalir dan mengkonfigurasi ulang seluruh strukturnya – dalam kehidupan ini mengarah pada hal-hal seperti protein yang membuka jalan masuk ke dalam sel atau memperlihatkan permukaan baru yang mengaktifkan protein lain. , dan seterusnya.
“Di situlah kami benar-benar berinovasi: kami telah membangun DragonFold, yang merupakan algoritme pelipatan bersama protein-ligan pertama,” kata Laskh Aithani, CEO dan salah satu pendiri Charm Therapeutics.
“Merancang obat yang mengikat protein penyebab penyakit dengan sangat ketat dan selektif (yaitu, menghindari pengikatan dengan protein serupa lainnya yang diperlukan untuk fungsi normal manusia) adalah hal yang sangat penting,” jelasnya. “Ini paling mudah dilakukan ketika seseorang mengetahui bagaimana tepatnya obat ini mengikat protein (bentuk 3D yang tepat dari ligan yang terikat pada protein penyebab penyakit). Hal ini memungkinkan seseorang untuk membuat modifikasi presisi pada ligan sehingga dapat mengikat lebih erat dan lebih selektif.”
Anda dapat melihat representasi dari situasi ini di bagian atas artikel: Molekul hijau kecil dan protein ungu cocok bersama dengan cara yang sangat spesifik yang belum tentu intuitif atau mudah diprediksi. Simulasi yang efektif dan efisien dari proses ini membantu menyaring miliaran molekul, serupa dengan proses sebelumnya yang mengidentifikasi kandidat obat, tetapi melangkah lebih jauh dan mengurangi kebutuhan untuk memeriksa secara eksperimental apakah mereka berinteraksi seperti yang diharapkan.
Untuk mencapai hal ini, Aithani memilih David Baker, perancang algoritme RoseTTAFold dan kepala lab berpengaruh di Universitas Washington, untuk menjadi salah satu pendirinya. Baker terkenal di dunia akademis dan industri sebagai salah satu peneliti terkemuka di bidang ini, dan dia telah menerbitkan banyak makalah tentang masalah ini.
Pendiri Charm Therapeutics Laskh Aithani (kiri) dan David Baker. Kredit Gambar: Terapi Pesona
Tak lama setelah ditunjukkan bahwa algoritme dapat memprediksi struktur protein berdasarkan urutannya, Baker menetapkan bahwa algoritme juga dapat “berhalusinasi” protein baru yang bertindak seperti yang diharapkan secara in vitro. Dia sangat jelas di ujung tombak di sini. Dan dia memenangkan hadiah Terobosan senilai $3 juta pada tahun 2020 — pastinya hingga menjadi co-founder teknis. Aithani juga dengan bangga mencatat kehadiran veteran DeepMind, Sergey Bartunov sebagai direktur AI dan mantan kepala penelitian farmasi Sarah Skerratt sebagai kepala penemuan obat.
Putaran A senilai $50 juta dipimpin oleh F-Prime Capital dan OrbiMed, dengan partisipasi dari General Catalyst, Khosla Ventures, Braavos, Axial, dan Grep VC. Meskipun jumlah sebesar itu tidak biasa untuk startup perangkat lunak, perlu dicatat bahwa Charm tidak berhenti membangun kemampuan mengkarakterisasi interaksi protein-ligan ini.
Pendanaan tahap awal perusahaan digunakan untuk membangun model, tetapi sekarang mereka beralih ke langkah berikutnya: identifikasi positif obat yang efektif.
“Kami memiliki versi awal [of the model] siap, dan itu telah divalidasi secara in-silico,” kata Aithani. “Selama kuartal mendatang, kami memvalidasinya secara eksperimental. Perhatikan bahwa ‘produk’ terutama untuk penggunaan internal untuk membantu ilmuwan kami sendiri menemukan obat-obatan potensial yang kami miliki 100% haknya.”
Biasanya proses pengujian melibatkan penyaringan laboratorium basah dari ribuan molekul kandidat, tetapi jika berfungsi seperti yang diiklankan, DragonFold harus secara besar-besaran mengurangi jumlah itu. Itu berarti laboratorium yang relatif kecil dengan anggaran yang relatif kecil dapat menampung obat yang beberapa tahun lalu mungkin memerlukan perusahaan farmasi besar menginvestasikan ratusan juta.
Mempertimbangkan profil keuntungan dari obat baru, tidak mengherankan jika perusahaan telah menarik investasi semacam ini: beberapa puluh juta adalah penurunan dalam ember dibandingkan dengan anggaran R&D dari perusahaan riset biotek besar mana pun. Yang diperlukan hanyalah satu pukulan dan mereka tertawa. Ini masih membutuhkan waktu, tetapi penemuan obat AI juga mempersingkat jadwal — jadi bersiaplah untuk mendengar tentang kandidat pertama mereka lebih cepat daripada nanti.
