L’étude, publiée le 13 mai dans l’American Chemical Society’s Journal of Chemical InformInsilico Medicine (« Insilico »), une société de découverte de médicaments axée sur l’intelligence artificielle générative (IA) au stade clinique, a annoncé aujourd’hui qu’elle combinait deux technologies en développement rapide, l’informatique quantique et l’IA générative, pour explorer la découverte de candidats principaux dans le développement de médicaments et a démontré avec succès les avantages potentiels des réseaux antagonistes génératifs quantiques en chimie générative.ation et Modélisation, une revue de premier plan dans le domaine de la modélisation informatique, était dirigée par les centres d’Insilico à Taïwan et aux Émirats arabes unis, qui se concentrent sur l’innovation et la construction de méthodes et de moteurs révolutionnaires avec des technologies en développement rapide – y compris l’IA générative et l’informatique quantique – pour accélérer la découverte et le développement de médicaments. La recherche a été soutenue par le directeur du Consortium d’accélération de l’Université de Toronto, Alán Aspuru-Guzik, PhD, et des scientifiques de l’Institut de recherche Hon Hai (Foxconn).
Cette collaboration internationale était un projet très amusant. Il ouvre la voie à de nouveaux développements dans l’IA à mesure qu’il rencontre la découverte de médicaments. Il s’agit d’une collaboration mondiale où Foxconn, Insilico, Zapata Computing et l’Université de Toronto travaillent ensemble. »
Alán Aspuru-Guzik, directeur du Acceleration Consortium et professeur d’informatique et de chimie à l’Université de Toronto
Les réseaux antagonistes génératifs (GAN) sont l’un des modèles génératifs les plus réussis dans la découverte et la conception de médicaments et ont montré des résultats remarquables pour générer des données qui imitent une distribution de données dans différentes tâches. Le modèle GAN classique se compose d’un générateur et d’un discriminateur. Le générateur prend des bruits aléatoires en entrée et essaie d’imiter la distribution des données, et le discriminateur essaie de faire la distinction entre les faux et les vrais échantillons. Un GAN est formé jusqu’à ce que le discriminateur ne puisse pas distinguer les données générées des données réelles.
Dans cet article, les chercheurs ont exploré l’avantage quantique dans la découverte de médicaments à petites molécules en remplaçant chaque partie de MolGAN, un GAN implicite pour les petits graphes moléculaires, par un circuit quantique variationnel (VQC), étape par étape, y compris comme générateur de bruit, générateur avec la méthode des patchs et le discriminateur quantique, comparant ses performances à son homologue classique.
L’étude a non seulement démontré que les GAN quantiques entraînés peuvent générer des molécules de type ensemble d’entraînement en utilisant le VQC comme générateur de bruit, mais que le générateur quantique surpasse le GAN classique dans les propriétés médicamenteuses des composés générés et la référence ciblée. De plus, l’étude a montré que le discriminateur quantique du GAN avec seulement des dizaines de paramètres apprenables peut générer des molécules valides et surpasse son homologue classique avec des dizaines de milliers de paramètres en termes de propriétés de molécules générées et de score de divergence KL.
L’informatique quantique est reconnue comme la prochaine percée technologique qui aura un grand impact, et l’industrie pharmaceutique est considérée comme l’une des premières vagues d’industries à bénéficier de cette avancée. Cet article démontre la première empreinte d’Insilico dans l’informatique quantique avec l’IA dans la génération moléculaire, soulignant notre vision dans le domaine. »
Jimmy Yen-Chu Lin, PhD, directeur général d’Insilico Medicine Taiwan et auteur correspondant de l’article
Sur la base de ces découvertes, les scientifiques d’Insilico prévoient d’intégrer le modèle GAN quantique hybride dans Chemistry42, le moteur exclusif de génération de petites molécules de la société, afin d’accélérer et d’améliorer encore son processus de découverte et de développement de médicaments basé sur l’IA.
Insilico a été l’un des premiers à utiliser les GAN dans la conception moléculaire de novo et a publié le premier article dans ce domaine en 2016. La Société a livré 11 candidats précliniques par des modèles d’IA générative basés sur le GAN et son programme phare a été validé en Phase I essais cliniques.
« Je suis fier des résultats positifs que notre équipe d’informatique quantique a obtenus grâce à leurs efforts et à leur innovation », a déclaré Alex Zhavoronkov, PhD, fondateur et PDG d’Insilico Medicine. « Je pense qu’il s’agit de la première petite étape de notre voyage. Nous travaillons actuellement sur une expérience révolutionnaire avec un véritable ordinateur quantique pour la chimie et nous sommes impatients de partager les meilleures pratiques d’Insilico avec l’industrie et le milieu universitaire. »
