L'IA sta rivoluzionando il modo in cui gli scienziati identificano i bersagli farmacologici per l'invecchiamento e le malattie

Identificare il giusto bersaglio biologico è probabilmente la decisione più importante nello sviluppo di un farmaco—e anche una delle più difficili. Storicamente, l'identificazione e la validazione di un bersaglio possono richiedere molti anni, e la vera validazione arriva solo quando un farmaco ottiene l'approvazione regolatoria. Questa review, pubblicata su Nature Reviews Drug Discovery, esamina come l'intelligenza artificiale stia ridefinendo questa fase fondamentale.

Gli autori, che rappresentano istituzioni tra cui Insilico Medicine, BioAge Labs, Astellas e il Buck Institute for Research on Aging, analizzano il panorama attuale della scoperta di bersagli guidata dall'IA. Si concentrano su come i modelli di machine learning e deep learning possano interrogare enormi dataset biologici—genomica, trascrittomica, proteomica e mappe di reti biologiche—per far emergere candidati bersaglio che i metodi tradizionali potrebbero non individuare o impiegherebbero anni a identificare.

Un contributo fondamentale della review è la documentazione di successi concreti: gli strumenti di IA hanno già consentito o supportato l'identificazione di bersagli per i quali candidati farmaci sono entrati in sperimentazione clinica. Questo rappresenta una prova di concetto significativa del fatto che l'IA stia andando oltre il clamore mediatico per generare un impatto tangibile nella scoperta di farmaci, anche nelle aree di malattia correlate all'invecchiamento.

La review affronta inoltre considerazioni critiche nella selezione del bersaglio, come la trattabilità del bersaglio, la rilevanza per la malattia, i rischi di sicurezza e l'importanza del contesto delle reti biologiche. Questi fattori determinano se un bersaglio identificato computazionalmente sia effettivamente aggredibile farmacologicamente e clinicamente significativo.

Tuttavia, gli autori si preoccupano di delineare i limiti. I modelli di IA sono validi quanto i dati su cui vengono addestrati, e i dataset biologici rimangono incompleti, distorti e rumorosi. L'identificazione computazionale dei bersagli richiede ancora un'estesa validazione sperimentale, e i fallimenti nelle fasi successive dello sviluppo rimangono frequenti. Ciononostante, l'IA rappresenta una genuina accelerazione della pipeline di scoperta, con particolare potenziale per le condizioni complesse e multifattoriali come le malattie correlate all'invecchiamento.