Intuizione Artificiale accelera la scoperta di nuovi farmaci

La Italiana Ontonix S.r.l. ha sviluppato negli ultimi anni una nuova tecnologia – l’Intuizione Artificiale (AIu) – stabilendo un nuovo paradigma per la soluzione di problemi complessi che non possono essere trattati dall’Intelligenza Artificiale a causa della mancanza di dati di addestramento sufficienti. La tecnologia è stata applicata con notevoli risultati in ambito militare, medicale e industriale.

È importante notare che l’Intuizione Artificiale non richiede l’apprendimento automatico (Machine Learning). Questo la rende molto veloce e priva di “bias”, ma soprattutto non necessita ingenti investimenti in mezzi di calcolo ed energia. L’Intuizione Artificiale richiede un unico calcolo per produrre risposte a problemi molto complessi e in contesti dove la mancanza di una quantità sufficiente di dati inibisce l’utilizzo dell’Intelligenza Artificiale, che, come noto, richiede immense quantità di dati per poter ‘indovinare’ una soluzione su basi probabilistiche. Infatti, l’Intuizione Artificiale calcola le risposte, non le indovina.

Ontonix, in collaborazione con il Dipartimento di Biologia e Biotecnologie dell’Università di Pavia, ha verificato l’applicabilità dell’AIu per accelerare il processo di sviluppo di nuovi farmaci, in particolare nelle prime fasi di ottimizzazione delle molecole candidate. In questa fase, le molecole risultanti da precedenti screening vengono modificate per migliorarne l’attività contro il bersaglio specifico. Si tratta di una fase che può richiedere più di un anno e mezzo e che quindi può avere un impatto significativo sul costo dell’intero processo.

Questo progetto ha prodotto risultati scientifici significativi e una soluzione software specifica. Lo studio, che ha coinvolto oltre 80 molecole appartenenti a otto diverse classi chimiche, ha dimostrato che l’AIu è in grado di identificare atomi e posizioni chiave all’interno della struttura delle molecole che sono importanti per l’attività dei composti, indipendentemente dal bersaglio. Queste posizioni rappresentano gli ‘hotspot’ di complessità di una molecola e indicano i gruppi chimici che ne dirigono l’attività biologica.

Nella figura sotto è illustrata una Mappa di Complessità di una piccola molecola, generata dall’Intuizione Artificiale, dove si notano gli atomi dominanti, rappresentati dai quadrati più grandi, che sono responsabili del comportamento biologico della molecola in questione.

Questa soluzione consente di selezionare in modo mirato i punti della molecola, appunto gli ‘hotspot’, a cui applicare le modifiche chimiche per ottenere l’ottimizzazione desiderata. A differenza dell’approccio SAR (Relazione Struttura-Attività) tradizionale, che prevede modifiche estese di ogni singola molecola, questa soluzione consente di ottimizzare gli sforzi, permettendo di risparmiare tempo e risorse. In questa fase, lo studio si è concentrato su molecole antibiotiche, ma l’approccio può naturalmente essere esteso a qualsiasi potenziale molecola farmacologica. Questo è dovuto al fatto che l’Intuizione Artificiale è uno strumento per trattare qualsiasi sistema dinamico, non solo molecole

I risultati di questo studio sono stati pubblicati su Computers in Biology and Medicine. (https://doi.org/10.1016/j.compbiomed.2025.109833), una delle principali riviste internazionali nell’ambito della Biologia Computazionale.

Questa soluzione ha il potenziale di ridurre i tempi di ottimizzazione delle molecole del 50-75% ed è pronta per essere testata in un contesto industriale.