EGFR este o proteină implicată în creșterea celulară, iar mutațiile sale sunt frecvente în cancerele pulmonare, de sân și colorectale. Inhibitorii EGFR, precum gefitinib sau erlotinib, au revoluționat tratamentul, dar rezistența la medicamente rămâne o problemă. De aceea, cercetătorii caută constant noi molecule cu potențial terapeutic. Aici intervine modelarea QSAR (Relații Cantitative Structură-Activitate), o metodă care corelează structura chimică a compușilor cu activitatea lor biologică.
Studiul de față propune un „co-științific” QSAR – un sistem inteligent care ajută oamenii de știință să prioritizeze moleculele promițătoare. Inima acestui sistem este un model Random Forest (pădure aleatoare) antrenat pe date din baza ChEMBL, o resursă publică de compuși bioactivi. Dar ceea ce face această abordare specială este divizarea pe schelete moleculare (scaffold split). În loc să împartă aleator datele în seturi de antrenare și testare, cercetătorii au separat moleculele pe baza scheletului lor chimic. De ce? Pentru a evita „scurgerile” de informații și a testa cât de bine generalizează modelul la structuri complet noi – exact ceea ce se întâmplă în descoperirea reală.
Pentru a construi modelul, echipa a folosit RDKit, o bibliotecă open-source de chimioinformatică, pentru a calcula descriptori moleculari (proprietăți fizico-chimice, fragmente etc.). Random Forest a fost ales pentru robustețea și interpretabilitatea sa relativă. Apoi, pentru a înțelege ce caracteristici moleculare influențează cel mai mult predicțiile, au aplicat SHAP (SHapley Additive exPlanations), o metodă din teoria jocurilor care explică ieșirea oricărui model de învățare automată. SHAP a relevat, de exemplu, că anumite grupări funcționale sau proprietăți precum lipofilia și greutatea moleculară sunt esențiale pentru activitatea anti-EGFR.
Un alt element inovator este utilizarea BRICS (Breaking of Retrosynthetically Interesting Chemical Substructures) pentru a genera noi fragmente moleculare. BRICS descompune moleculele în bucăți mai mici, care pot fi recombinate pentru a crea compuși noi. Astfel, modelul nu doar că prezice activitatea, ci și sugerează modificări structurale care ar putea îmbunătăți potența. Este ca și cum ai avea un asistent care spune: „Dacă adaugi un atom de fluor aici, activitatea ar putea crește cu 20%.”
Rezultatele sunt promițătoare. Modelul a atins o performanță solidă pe setul de testare cu divizare pe schelete, demonstrând că poate identifica inhibitori EGFR activi chiar și atunci când scheletul molecular este diferit de cele din antrenare. Mai mult, analiza SHAP a oferit perspective mecanistice, confirmând cunoștințe existente și sugerând noi direcții de sinteză.
Desigur, există limitări. Datele din ChEMBL sunt incomplete și pot conține erori. Modelul Random Forest, deși bun, nu poate înlocui experimentele de laborator. Dar ca instrument de prioritizare, acest co-științific QSAR poate reduce timpul și costurile de dezvoltare. În plus, abordarea este reproductibilă și poate fi adaptată pentru alte ținte terapeutice.
Pe scurt, această lucrare arată cum fuziunea dintre chimioinformatică, învățarea automată și explicațiile bazate pe SHAP poate accelera descoperirea de medicamente. Nu este doar un exercițiu academic – este un pas către o farmacologie mai inteligentă și mai eficientă. Iar pentru pacienții care așteaptă tratamente noi, fiecare descoperire contează.
De ce este important:
Această cercetare demonstrează cum metodele moderne de inteligență artificială pot fi integrate în fluxul de lucru al descoperirii de medicamente pentru a identifica mai rapid și mai eficient inhibitori ai EGFR, o țintă crucială în oncologie. Prin combinarea divizării pe schelete moleculare, a modelelor Random Forest, a explicațiilor SHAP și a fragmentării BRICS, se creează un sistem transparent și reproductibil care nu doar că prezice activitatea, ci și oferă informații utile pentru chimia medicinală. Acest co-științific QSAR poate reduce costurile și timpul de dezvoltare, contribuind la aducerea mai rapidă a terapiilor țintite către pacienți.
