Trovare nuove molecole pensando out of the box, scegliere “le migliori” e poi lasciare che un robot le crei altrove, in un piccolo box grande quanto un candy grabber da bar, seguendo la “ricetta” trasmessagli via Internet. Oggi tutto ciò è possibile con RoboRXN, la risposta di Teodoro Laini, Research & Manager all’IBM-Research di Zurigo, alla domanda che gli ronzava nella testa da tempo: “how can we make chemistry fun again?”.
Realizzando questo progetto, a Zurigo, Laini ha voluto reinventare il modo in cui si fa la chimica. Assieme al suo team, ha trovato una combinazione intelligente di tecnologie esistenti, e ha messo le basi di ciò che diventerà il primo polo di sintesi di molecole on-demand completamente robotizzato. Un sogno che è diventato parte della roadmap reale del progetto, visti i successi ottenuti già ora, misurandosi con le sfide globali più urgenti: nuovi farmaci più veloci e meno costosi, nuovi materiali sostenibili e meno inquinanti.
Cloud e automation per l’execution, AI e persone per il design
A intrecciarsi in questo speciale laboratorio chimico di IBM sono AI, cloud e automazione. Il cloud trasporta le indicazioni da chi pensa a chi esegue: permette la magia del “da qualsiasi posto ci si trovi” e lo fa in modo sicuro. L’automation consente di affidare la produzione vera e propria delle molecole a un laboratorio-robot completamente autonomo, un box trasparente con bracci, tubi, pipette e altri elementi elettrici, chimici e meccanici “coordinati” tra loro. L’intelligenza artificiale è negli algoritmi di machine learning che fanno il design delle nuove molecole, utilizzando un modello AI che resta il vero e proprio nucleo della tecnologia. L’”energia di innesco” di questo laboratorio è rappresentata, invece, da parallelismo inaspettato che ha del filosofico e fa ancora brillare gli occhi a Laino, pensando a quando ha avuto questa intuizione, e a riflettervi.
“Abbiamo utilizzato un modello NLP, molto simile a GPT 3, ma lo abbiamo addestrato con il linguaggio della chimica. Proprio come il linguaggio umano, anche quello della chimica ha le sue regole, la sua grammatica, frutto del lavoro degli scienziati che hanno raccolto dati sperimentali da reazioni chimiche. Addestrato con oltre 300 anni di reazioni in raw data, il nostro modello impara le specificità delle sostanze chimiche, diventando in grado di raccomandare la corretta sequenza di operazioni per ottenere una molecola target” spiega Laino.
Come nascerà una nuova molecola
Per comprendere il delicato incastro di tecnologie alla base del progetto, e coglierne il valore rivoluzionario, è necessario osservarne ogni step. Noi lo abbiamo fatto assieme all’ideatore.
Ci si affida inizialmente a un generative model per ottenere l’ipotesi di una molecola non esistente (non ancora) ma che risponde alle necessità. “Grazie al modello allenato con la chimica riesco a sintetizzarla, ottenendo un enorme numero di ‘liste di ingredienti’ possibili per realizzarla, partendo da prodotti in commercio. Sono alberi, molto complessi oltre che numerosi, e, volendo, posso selezionarne alcuni in base a un criterio di sostenibilità, risparmio, velocità… in ogni caso diventa un problema di ottimizzazione quantistica, inaffrontabile in altro modo” spiega Laino, indicando questo come virtuoso esempio di uso del quantum computing. Un’esplorazione di grafi, come quella richiesta in questo passaggio, è un problema che scala esponenzialmente con il numero grafi, un computer tradizionale non è in grado di risolverlo.
Per ottenere le “istruzioni” step by step di realizzazione della molecola, ci si affida nuovamente al modello addestrato con reazioni chimiche, poi le si trasmette al box-robot.
Laino precisa che “una normale connessione internet è sufficiente. Il numero di dati trasferiti attraverso la rete è minimo: tutta l’analisi data-intensive avviene all’edge. Il robot, infatti, è l’unico elemento fisico e l’unico che deve essere fisicamente connesso a una determinata rete. Questo pone grandi sfide di sicurezza nella comunicazione tra un software, che vive nel cloud ed è pubblicamente accessibile, e un robot che, pur dovendo ricevere le istruzioni da un cloud pubblico, vive e lavora in un cloud privato. Sono stati sviluppati protocolli di sicurezza che permettono al robot di ricevere tutte le istruzioni senza mai compromettere l’integrità di una rete privata” precisa Laino. Senza esplicitare l’intento “democratizzante” di RoboRXN: fornire condizioni di sicurezza anche a persone che non potrebbero mai averle o riprodurle in loco da loro.
Prove di drug design più sostenibile e veloce, con Arctoris
Una prospettiva virtuosa, a lungo termine, e che mostra assonanze con quella che guida il lavoro oggi avviato con l’azienda Arctoris, specializzata nell’automazione dei test biologici. Scelti 3 target biologici noti e già studiati, nella prima fase della collaborazione sono stati utilizzati dei generative model, per ottenere set di molecole da sintentizzare nel laboratorio RoboRXN. Arctoris si è poi occupata di testare le molecole su delle linee cellulari, restituendo un feedback prezioso per migliorare i modelli.
Ora che inizia la seconda fase, infatti, nuovi modelli generativi produrranno un altro set di molecole che saranno poi sintentizzate, da RoboRXN, e testate, da Arctoris. Dopo 2 o 3 cicli simili, si dovrebbe raggiungere un risultato ottimale.
“Vogliamo mostrare che si può fare drug design anche con budget molto bassi, se si punta ad automazione e AI. Entrambe aiutano anche ad abbreviare i tempi: lo sviluppo del processo di scoperta di nuovi farmaci può ridursi di almeno un ordine di grandezza, da 15 anni a poco più di un anno. Anche se altre fasi, come il trial clinico, restano incomprimibili, sarebbe comunque un ottimo traguardo” spiega Laino, immaginando un nuovo mondo del Pharma ma anche il futuro di RoboRXN. Il secondo è già ben chiaro: portare questa tecnologia in ambito industriale e realizzare il primo polo di sintesi di molecole on-demand completamente robotizzato. Sarebbe una risposta esauriente, alla domanda da cui è nato tutto: “how can we make chemistry fun again?”.
