Privatni farmaceutski podaci poboljšali OpenFold3

Modeli umjetne inteligencije uče na primjerima, a njihova uspješnost raste s količinom relevantnih podataka. To vrijedi i za predviđanje međudjelovanja molekula lijekova i proteina, baš kao za prepoznavanje lica ili prevođenje teksta. Međutim, neki od najvrjednijih podataka za razvoj lijekova zaključani su u bazama farmaceutskih kompanija i nedostupni svim javnim sustavima umjetne inteligencije.

Konzorcij pet kompanija, AbbVie, Astex Pharmaceuticals, Bristol Myers Squibb, Johnson & Johnson i Takeda, tvrdi da je pronašao način za zajedničko učenje na tim privatnim podacima bez otkrivanja poslovnih datoteka pojedinih sudionika. Prema rezultatima na testnom skupu samog konzorcija, novi je model bio znatno uspješniji od početne inačice uvježbane na javnim podacima. Ipak, javnosti nisu dostupni ni model ni testni podaci, a nije objavljen ni znanstveni rad koji je prošao recenzentski postupak (Nature).

Kako učiti model bez objedinjavanja podataka

Kao polazište poslužio je OpenFold3 Preview 2, sustav otvorenog koda koji predviđa kako se proteini i male molekule nalik lijekovima zajednički raspoređuju u trodimenzionalnom prostoru. Pojednostavljeno, model istodobno predviđa oblik brave i način na koji ključ ulazi u nju (OpenFold3 repository).

Umjesto objedinjavanja struktura svih pet kompanija u jednoj bazi, svaka je kompanija na vlastitim računalnim sustavima i podacima uvježbavala zasebnu kopiju modela. Središnjem koordinatoru slane su samo brojčane prilagodbe koje je model naučio tijekom uvježbavanja, dok su izvorni zapisi o molekulama ostali unutar kompanije. Berlinski Apheris koordinirao je postupak uz pomoć NVIDIA-ina otvorenog okvira za federativno učenje, dok je laboratorij Mohammeda AlQuraishija sa sveučilišta Columbia University pridonio stručnim znanjem o modelu. Konzorcij navodi da je u pet odvojenih korporativnih okruženja upotrijebio 40 grafičkih procesora NVIDIA H100 (Apheris, Nature).

Izvorne su strukture tako ostale iza korporativnih vatrozida. Konzorcij, međutim, nije objavio formalne dokaze da se iz razmijenjenih prilagodbi modela ne mogu izvući podaci o materijalu na kojem je uvježbavan, što je poznat teorijski rizik federativnog učenja.

Što su donijele privatne strukture

Konzorcij je model uvježbavao na 20.167 vlasničkih struktura kompleksa proteina i lijeka, a zatim ga provjerio na zasebnom privatnom skupu od 1.056 struktura (Apheris). Glavno je mjerilo pokazivalo koliko često predviđeni raspored lijeka i proteina vjerno odgovara rasporedu utvrđenom pokusom. Federativni model ostvario je rezultat visoke kvalitete u 52,1 % testnih slučajeva, u usporedbi s 35,6 % za izvorni OpenFold3 i 40,9 % za Boltz-2, još jedan vodeći otvoreni model (Apheris, Nature).

Kontrolni model, uvježban isključivo na novijim javnim podacima, nije ostvario sličan napredak. Konzorcij to smatra dokazom da privatne strukture sadržavaju informacije važne za predviđanje koje nisu obuhvaćene javno dostupnim zapisima (Apheris).

Razlog bi mogao biti u sastavu tih skupova podataka. Protein Data Bank vrlo je opsežna javna baza, ali odražava izbor proteina kojima su se bavili akademski laboratoriji. Prema konzorciju i vanjskim stručnjacima, farmaceutske zbirke češće sadržavaju sustavne nizove u kojima se ista ciljana molekula ispituje s velikim brojem srodnih kandidata za lijek, čime se bilježe upravo sitne razlike u vezivanju koje odlučuju o daljnjem razvoju (Nature, C&EN). Konzorcij također navodi da je federativni model nadmašio svaki model uvježban na podacima samo jedne kompanije, što je u skladu s pretpostavkom da je povezivanje podataka više sudionika poboljšalo rezultate.

Što neovisni istraživači još ne mogu provjeriti

Znanstveni rad još nije predan za objavu. Vanjskim istraživačima nisu dostupne naučene brojčane postavke modela, strukture iz testnog skupa ni pojedinačna predviđanja. Nisu objavljeni ni intervali pouzdanosti ni statistički testovi, dok su testni skup sastavile i rezultate procijenile iste organizacije koje su izgradile sustav (Nature).

To je važno zbog poznate slabosti takvih modela. Istraživanje skupine PoseBusters pokazalo je da predviđanja drugih modela umjetne inteligencije mogu geometrijski nalikovati referentnoj strukturi, a istodobno rasporediti atome na fizikalno nemoguć način, primjerice stvaranjem kutova između kemijskih veza koji se ne pojavljuju u stvarnim molekulama (PoseBusters). Nije poznato prolaze li predviđanja AISB-a takve provjere.

Testni skup mjeri koliko dobro model rekonstruira već poznate rasporede dobivene pokusima. Ne pokazuje pomaže li u otkrivanju spojeva koji se u živom sustavu doista vežu uz ciljanu molekulu niti jesu li takvi spojevi sigurni. Precizno predviđen položaj koristan je kemičaru pri odabiru spojeva za daljnja istraživanja, ali konzorcij nije objavio nijedan rezultat kasnijih faza razvoja lijeka.

Projekt MELLODDY, u kojem je sudjelovalo deset kompanija, već je pokazao da federativno učenje može poboljšati predviđanje svojstava molekula među farmaceutskim konkurentima (MELLODDY). AISB sada isti princip primjenjuje na predviđanje trodimenzionalnih struktura. Za neovisnu potvrdu rezultata konzorcij mora objaviti znanstveni rad i dovoljno podataka koji se mogu pregledati kako bi istraživači provjerili opstaje li prijavljeni napredak i izvan testiranja koje nadziru sami sudionici.