Accelerating Drug Discovery with HyperLab: An Easy-to-Use AI-Driven Platform

HyperLab, una piattaforma web guidata dall'intelligenza artificiale sviluppata da HITS, accelera la scoperta di farmaci semplificando l'intero flusso di lavoro, dalla previsione delle strutture di legame e l'ottimizzazione molecolare allo screening di vasti librerie chimiche e alla validazione sperimentale, riducendo così barriere temporali, economiche e di competenza specializzata.

L'essenziale

Immagina di dover trovare un ago in un pagliaio, ma il pagliaio è grande come un intero continente e l'ago è un farmaco che può salvare vite. Tradizionalmente, gli scienziati dovevano cercare questo ago manualmente, provando milioni di combinazioni, un processo che richiedeva anni e costava milioni di dollari.

Questo documento presenta HyperLab, un nuovo "super-assistente" basato sull'Intelligenza Artificiale (AI) creato da un'azienda chiamata HITS, che rende questa ricerca molto più veloce, economica e accessibile, anche a chi non è un esperto di computer.

Ecco come funziona HyperLab, spiegato con parole semplici e metafore:

1. Cos'è HyperLab? Il "Cockpit" del Ricercatore

Pensa a HyperLab come a un cruscotto di un'auto di Formula 1, ma invece di guidare un'auto, guidi la scoperta di farmaci.

• Il problema: Prima, per usare questi strumenti, serviva essere un ingegnere informatico esperto.
• La soluzione HyperLab: È una piattaforma online così facile da usare che un chimico o un biologo può usarla senza sapere programmare. È come avere un'auto con il pilota automatico: tu dici "voglio andare a Milano" (trovare un farmaco per una malattia) e l'auto fa tutto il resto.

2. I Superpoteri di HyperLab (Le sue funzioni principali)

HyperLab ha diversi "attrezzi" nel suo kit, ognuno con un compito specifico:

• Hyper Binding (Il "Raggi X" Magico):
  Immagina di voler sapere come un pezzo di un puzzle (il farmaco) si incastra in un'altra parte del puzzle (la proteina della malattia). Hyper Binding immagina questa scena in 3D in pochi secondi.

  • La magia: Se non hai la foto della proteina (la struttura 3D), HyperLab può "inventarla" basandosi solo sulla sua lista di ingredienti (la sequenza genetica), proprio come un cuoco che ricrea un piatto solo leggendo la lista degli ingredienti, senza averlo mai visto prima. È così preciso che batte molti metodi vecchi e si avvicina ai migliori supercomputer del mondo, ma è 5 volte più veloce.

• Hyper Screening (Il "Filtro" Gigante):
  Immagina di dover trovare l'ago nel pagliaio. I metodi normali controllano un milione di paglie. Hyper Screening X controlla 11 trilioni di paglie.

  • Come fa? Invece di controllare uno per uno (impossibile), usa un'AI creativa che immagina nuove combinazioni di paglia per trovare quelle che hanno più probabilità di essere l'ago. È come se invece di cercare in un magazzino, l'AI costruisse nuovi aghi su misura per il buco che stai cercando.

• Hyper Design (Il "Tornio" Creativo):
  Hai trovato un "ago" promettente (un farmaco che funziona un po'), ma vuoi renderlo perfetto. Hyper Design agisce come un sarto digitale o un tornitore. Prende la forma base del farmaco e dice: "Se togliamo questo pezzo e ne aggiungiamo un altro qui, funzionerà meglio?". Crea nuove versioni migliori in pochi minuti.

• Hyper ADME/T (Il "Controllo Qualità"):
  Prima di dare un farmaco a una persona, bisogna assicurarsi che il corpo lo assorba e non lo avveleni. HyperLab fa una simulazione rapida per dire: "Questo farmaco sarà assorbito bene? Farà male al fegato?". È come un esame medico preventivo per il farmaco prima ancora che venga creato fisicamente.

• L'Assistente AI (Il "Collega Esperto"):
  C'è anche un assistente virtuale (come un collega molto intelligente) a cui puoi chiedere: "Cerca informazioni su questo farmaco" o "Fammi un grafico dei risultati". Risponde in modo specifico per la chimica, non come un generico chatbot.

3. La Prova sul Campo: La Storia di Successo

Il documento racconta una storia vera per dimostrare che funziona davvero:

1. La ricerca: Hanno usato Hyper Screening per cercare farmaci contro una proteina specifica. In 24 ore (un tempo record), hanno selezionato i migliori candidati.
2. Il risultato: Hanno testato in laboratorio 52 di questi candidati e 5 hanno funzionato subito. È un successo enorme! Di solito, nei test tradizionali, su 1000 provette solo 1 o 2 funzionano.
3. L'ottimizzazione: Hanno usato Hyper Design per migliorare uno di questi farmaci. Ne hanno creati di nuovi, ne hanno sintetizzati 5 in laboratorio e 3 hanno funzionato ancora meglio di quelli originali, con una potenza simile a farmaci già famosi.

Perché è importante?

Prima, per fare queste scoperte servivano:

• Molto tempo (anni).
• Molti soldi (milioni di dollari).
• Esperti di computer (pochi nel mondo).

Con HyperLab:

• Si fa in giorni o ore.
• Si risparmia molto denaro (meno esperimenti falliti).
• Lo può fare chiunque abbia una connessione internet e voglia scoprire farmaci.

In sintesi: HyperLab è come aver dato agli scienziati un "superpotere" che trasforma la ricerca di farmaci da un'operazione di scavo archeologico lenta e faticosa in un viaggio in treno ad alta velocità. Non solo trovano il farmaco più velocemente, ma lo costruiscono meglio, aprendo la strada a cure per le malattie che prima sembravano impossibili da trovare.

Sommario tecnico

Titolo: Accelerazione della Scoperta di Farmaci con HyperLab: Una Piattaforma AI-Driven Facilitata

1. Il Problema

La scoperta di farmaci tradizionale è caratterizzata da processi lunghi, costosi e che richiedono competenze specialistiche sia in chimica farmaceutica che in metodi computazionali avanzati (CADD). Le barriere all'ingresso per i ricercatori sperimentali includono la complessità degli strumenti di docking molecolare, la necessità di grandi risorse computazionali per lo screening virtuale e la difficoltà nell'ottimizzare i "lead" (candidati promettenti) mantenendo le proprietà farmacologiche desiderate. Esiste un bisogno critico di piattaforme che democratizzino l'accesso a strumenti AI avanzati, permettendo ai ricercatori senza expertise specifica in intelligenza artificiale di generare risultati di scoperta rilevanti in tempi rapidi.

2. Metodologia: HyperLab

HyperLab è una piattaforma web basata sull'Intelligenza Artificiale, sviluppata da HITS, progettata per gestire l'intero flusso di lavoro della Structure-Based Drug Discovery (SBDD). La piattaforma integra modelli AI all'avanguardia con un'interfaccia utente (UI/UX) intuitiva. Le funzionalità chiave includono:

• Hyper Binding: Predizione delle strutture e delle attività di legame proteina-ligando. Utilizza un modello di deep learning informato dalla fisica e una tecnologia di "Co-folding" che può prevedere complessi proteina-ligando direttamente dalle sequenze proteiche, senza necessitare di strutture 3D sperimentali (PDB). Supporta sia il docking rigido che il co-folding.
• Hyper Screening & Hyper Screening X:
  • Hyper Screening: Screening virtuale di librerie fino a 1 milione di composti (inclusi frammenti, farmaci approvati dalla FDA e prodotti naturali).
  • Hyper Screening X: Utilizza l'AI generativa (basata su GFlowNet) per esplorare spazi chimici virtuali di 11 trilioni di molecole. A differenza dei metodi tradizionali, ottimizza simultaneamente l'affinità di legame e le proprietà molecolari (MW, LogP, TPSA) per identificare nuovi "hit" con maggiore probabilità.
• Hyper Design: Strumento per l'ottimizzazione molecolare basata sulla struttura. Permette di modificare scaffold esistenti o progettare nuovi derivati partendo da strutture legate (X-ray), migliorando i punteggi di legame e la novità strutturale, mantenendo la sintetizzabilità.
• Hyper ADME/T: Predizione di 19 proprietà farmacocinetiche e fisico-chimiche (solubilità, stabilità metabolica, inibizione CYP, permeabilità BBB, ecc.) per filtrare le molecole nelle fasi precoci.
• SAR Analysis & Covalent Features: Moduli per l'analisi delle relazioni struttura-attività (SAR) con decomposizione gerarchica degli R-gruppi e funzionalità specifiche per farmaci covalenti (predizione di warhead e residui target).
• AI Assistant: Un agente AI specializzato (basato su Claude 3.7) integrato nella piattaforma per assistere i ricercatori nella ricerca di database, generazione di grafici, scrittura di codice e ottimizzazione del flusso di lavoro.

3. Contributi Chiave

• Democratizzazione dell'AI: Rende accessibili modelli computazionali complessi (come il co-folding e l'ottimizzazione generativa) a ricercatori non esperti in informatica.
• Scalabilità Estrema: La capacità di esplorare librerie virtuali di 11 trilioni di composti tramite Hyper Screening X, superando di ordini di grandezza le librerie commerciali tradizionali.
• Integrazione End-to-End: Unifica in un'unica piattaforma le fasi di identificazione dell'hit, screening, ottimizzazione del lead e predizione ADMET, riducendo la frammentazione dei flussi di lavoro.
• Validazione Sperimentale: Il documento non si limita a simulazioni, ma presenta una validazione interna che collega direttamente i risultati computazionali alla sintesi e al test biologico di nuovi composti.

4. Risultati

Benchmark Computazionali:

• Predizione della Posizione (Pose Prediction): Su PoseBuster v2, Hyper Binding ha raggiunto un'accuratezza del 77% (con informazioni sul sito di legame), avvicinandosi a AlphaFold3 (84%) e superando nettamente i metodi di docking tradizionali (Vina: 58%, Diffdock: 13%). Il metodo di co-folding è 5 volte più veloce di AlphaFold3.
• Predizione dell'Affinità di Legame: Su due dataset FEP, Hyper Binding ha ottenuto i coefficienti di correlazione di Pearson più alti (0.70 e 0.53), superando modelli deep learning (Luminet, Genscore) e metodi fisici (Glide SP, Vina).
• Legame Covalente: Covalent Hyper Binding ha mostrato un'accuratezza di predizione della posizione dell'88.7% su dataset PDBBind, superando significativamente COV SMINA (48.4%) e GNINA (46.8%). Nell'arricchimento virtuale (EF@10%), ha ottenuto valori superiori a 6.5 per Mpro e 9.97 per KRAS.

Validazione Sperimentale (Case Study):

• Hyper Screening: In 24 ore, sono stati selezionati 52 composti top da una libreria. Il test in vitro ha identificato 5 composti attivi con IC50 tra 70 e 600 nM (tasso di successo ~9%).
• Hyper Design: Partendo da un composto di riferimento, sono stati progettati derivati. Di 5 composti sintetizzati, 3 hanno mostrato >75% di inibizione a 1 µM (IC50 200-400 nM). Uno di questi (H00505) ha mostrato attività comparabile o superiore al composto di riferimento e ha attivato significativamente la via di risposta antiossidante (ARE).
• Efficienza: Il flusso di lavoro HyperLab ha ridotto il numero di pozzetti da testare da ~200.000 (in uno screening HTS standard) a soli 100, mantenendo l'efficacia farmacologica.

5. Significato e Impatto

Il documento dimostra che HyperLab è uno strumento trasformativo per la scoperta di farmaci.

1. Riduzione di Tempi e Costi: Comprime le fasi iniziali della scoperta da mesi a giorni (es. screening completato in 24 ore).
2. Accessibilità: Permette a ricercatori sperimentali di utilizzare tecniche di punta senza bisogno di team di bioinformatici dedicati.
3. Efficacia Reale: La capacità di passare dalla predizione in silico alla validazione in vitro di nuovi lead con potenza nanomolare conferma l'affidabilità dei modelli AI sottostanti.
4. Scalabilità: L'approccio basato su spazi chimici virtuali di trilioni di molecole apre nuove frontiere per la scoperta di scaffold chimici completamente nuovi, difficili da trovare con librerie commerciali tradizionali.

In sintesi, HyperLab rappresenta un passo avanti significativo verso una scoperta di farmaci guidata dai dati, riducendo le barriere tecniche e accelerando il ciclo di sviluppo di nuovi farmaci.