Ravimifirmade andmed tõstsid AI täpsust

Tehisarumudelid õpivad näidetest: mida asjakohasemad on andmed, seda parem on tulemus. See kehtib nii ravimimolekulide ja valkude vastasmõju ennustamise, näotuvastuse kui ka masintõlke puhul. Ravimiarenduse väärtuslikumad näited asuvad aga sageli ravimifirmade suletud andmebaasides, kuhu avalikel tehisarusüsteemidel ligipääsu pole.

Viiest ettevõttest koosnev konsortsium, kuhu kuuluvad AbbVie, Astex Pharmaceuticals, Bristol Myers Squibb, Johnson & Johnson ja Takeda, leidis enda sõnul viisi, kuidas neid andmeid ühiselt mudeli õpetamiseks kasutada, ilma et ettevõtted peaksid oma faile avaldama. Konsortsiumi enda võrdlustestis edestas uus mudel selgelt algset, avalikel andmetel õpetatud versiooni. Mudelit, testiandmeid ega eelretsenseeritud teadusartiklit pole siiski avaldatud (Nature).

Mudeli õpetamine andmeid koondamata

Aluseks võeti OpenFold3 Preview 2, avatud lähtekoodiga süsteem, mis ennustab valkude ja väikeste ravimilaadsete molekulide ühist kolmemõõtmelist struktuuri. Lihtsustatult ennustab see korraga nii luku kuju kui ka seda, kuidas võti lukku sobitub (OpenFold3 repository).

Viie ettevõtte struktuuriandmeid ei ühendatud ühte andmebaasi. Iga firma õpetas mudeli koopiat oma keskkonnas ja edastas kesksele koordinaatorile üksnes õpetamise käigus kujunenud arvulised muudatused, mitte molekulide lähteandmeid. Koostööd juhtis Berliinis tegutsev Apheris, kasutades NVIDIA avatud liitõppe raamistikku. Mudelialase oskusteabe andis Mohammed AlQuraishi labor Columbia Universitys. Konsortsiumi teatel kasutati viies eraldiseisvas ettevõttekeskkonnas kokku 40 NVIDIA H100 graafikaprotsessorit (Apheris, Nature).

Algandmed jäid ettevõtete tulemüüride taha. Konsortsium pole aga esitanud ametlikku tõendust, et jagatud mudelimuudatuste põhjal ei saa tuletada teavet õpetamiseks kasutatud andmete kohta. See on liitõppe teadaolev teoreetiline risk.

Mida eraomandis struktuuriandmed juurde andsid

Mudelit õpetati 20 167 ettevõtetele kuuluva valgu-ravimi kompleksi struktuuriga ja testiti eraldi 1056 struktuurist koosneval eraandmestikul (Apheris). Põhinäitaja mõõtis, kui sageli kattus mudeli ennustatud ravimi ja valgu paigutus täpselt katseliselt vaadeldud struktuuriga. Liitõppemudel andis kvaliteetse tulemuse 52,1% testijuhtudest. Algse OpenFold3 tulemus oli 35,6% ja teise juhtiva avatud mudeli Boltz-2 tulemus 40,9% (Apheris, Nature).

Ainult uuendatud avalike andmetega õpetatud kontrollmudel samasugust paranemist ei näidanud. Konsortsiumi hinnangul viitab see, et ettevõtete andmestikud sisaldasid ennustamiseks vajalikku teavet, mida avalikes registrites pole (Apheris).

Avalik Protein Data Bank on mahukas, kuid selle sisu sõltub suuresti sellest, milliseid valke on akadeemilised laborid otsustanud uurida. Ravimifirmade kogudes leidub konsortsiumi ja sõltumatute asjatundjate sõnul seevastu süstemaatilisi andmeridu, milles üks sihtmärk on seotud paljude sarnaste ravimikandidaatidega. Need näitavad ravimiarenduses olulisi, kuid väikeseid erinevusi molekulide seondumises (Nature, C&EN). Konsortsiumi teatel edestas liitõppemudel ka kõiki ühe ettevõtte andmetel õpetatud mudeleid, mis toetab järeldust, et firmade andmete ühendatud kasutamine parandas tulemust.

Mida sõltumatud teadlased veel kontrollida ei saa

Teadusartiklit pole avaldamiseks esitatud. Sõltumatutele teadlastele pole kättesaadavad mudeli õpitud arvulised parameetrid, võrdlustestis kasutatud struktuurid ega üksikud ennustused. Samuti pole avaldatud usaldusvahemikke ega statistiliste testide tulemusi. Võrdlustesti koostasid ja viisid läbi süsteemi loonud organisatsioonid ise (Nature).

See piirang on oluline, sest struktuurimudelitel on teadaolev nõrkus. PoseBustersi töörühm näitas, et teiste tehisarumudelite ennustused võivad geomeetriliselt sarnaneda võrdlusstruktuuriga, kuid paigutada aatomid füüsikaliselt võimatul viisil, näiteks nurkade alla, mida päris molekulide sidemetes ei esine (PoseBusters). Pole teada, kas AISB ennustused läbivad samad kontrollid.

Võrdlustest mõõdab, kui hästi suudab mudel taastada juba teadaolevaid katselisi struktuure. See ei näita, kas mudel aitab leida ühendeid, mis seonduvad sihtmärgiga elusorganismis ja osutuvad ohutuks. Täpne seondumisasendi ennustus aitab keemikul otsustada, milliseid ühendeid edasi uurida, kuid konsortsium pole avaldanud tulemusi mudeli mõjust ravimiarenduse järgmistele etappidele.

Kümne ettevõtte varasem projekt MELLODDY näitas, et liitõpe võib parandada molekulaarsete omaduste ennustamist omavahel konkureerivate ravimifirmade andmete põhjal (MELLODDY). AISB rakendab sama põhimõtet kolmemõõtmelise struktuuri ennustamisel. Tulemuste hindamiseks vajab valdkond nüüd konsortsiumilt teadusartiklit ja piisavalt kontrollitavaid andmeid, et sõltumatud teadlased saaksid teha kindlaks, kas väidetud paranemine püsib ka väljaspool konsortsiumi enda võrdlustesti.