Polski start-up Molecule.one bezpłatnie udostępnił naukowcom z całego świata swoją platformę do planowania syntezy chemicznej, by wspomóc walkę z COVID-19

Stworzone przez Polaków oprogramowanie, które wykorzystuje algorytmy sztucznej inteligencji, znacznie przyspiesza proces syntezy chemicznej, a co za tym idzie – powstawanie nowych leków. Moduł synthetic accessibility screening umożliwia ocenę do 10 tysięcy związków na godzinę. Dzięki temu z dziesiątek tysięcy molekuł można wybrać te najbardziej obiecujące i na nich się skupić w dalszej pracy. Może to wpłynąć na zdrowie milionów ludzi na całym świecie.

Zespoły naukowe pracujące nad projektem leku na COVID-19, które chcą szybko zweryfikować możliwość syntezy swoich cząsteczek, mogą więc zgłosić się na adres podany na stronie molecule.one/covid19

Pojedynek najlepszych

Co roku w San Francisco odbywa się TechCrunch – w świecie start-upów technologicznych jedno z najważniejszych wydarzeń, na które zjeżdżają się najlepsi z całego świata. Szczególne emocje budzi wtedy Startup Battlefield – trzydniowy pojedynek, w którym o główną nagrodę i uwagę największych inwestorów i prestiżowych mediów walczy 20 wybranych zespołów. To crème de la crème start-upów, bo w turnieju uczestniczy zaledwie 2,6 procent tych, które aplikowały. Do ubiegłego roku nigdy jeszcze nie zdarzyło się, by tego zaszczytu dostąpił zespół z Europy Środkowo-Wschodniej. Aż tu w październiku 2019 roku w finałowej dwudziestce znalazł się polski start-up Molecule.one.

Zaprojektowanie nowego leku to koszt rzędu setek milionów dolarów

– Kiedy studiowaliśmy medycynę, widzieliśmy wielu ludzi cierpiących na nieuleczalne choroby – zaczął swoje przemówienie podczas Startup Battlefield Piotr Byrski, jeden z założycieli Molecule.one. – To skłoniło nas do zadania sobie dwóch pytań. Po pierwsze, dlaczego zaprojektowanie nowego leku musi trwać tak długo. Po drugie, co my – z naszym wykształceniem chemicznym i matematycznym – możemy zrobić, żeby rozwiązać ten problem.

Bezcenne narzędzie

A to chyba jeden z najbardziej palących problemów naszych czasów. Jesteśmy coraz bardziej zbuntowani wobec matki natury. Rośnie nasz apetyt na coraz dłuższe życie w coraz lepszej formie, a nauka budzi w nas nadzieję, że jest to realne. Na tworzenie nowych leków – na raka, na chorobę Alzheimera, na starość – przeznaczamy miliardy dolarów.

Niestety, proces projektowania nowego leku trwa bardzo długo. Od pojawienia się pomysłu na nowy związek do wprowadzenia go na rynek mija zwykle około 12 lat. Połowa z tego przypada na badania w laboratorium, a połowa na badania kliniczne. Strategicznym dziś celem branży farmaceutycznej jest to, żeby tę pierwszą sześciolatkę, czyli czas badań w laboratorium, skrócić do roku.

Czy to możliwe?

Dzięki najnowszym narzędziom informatycznym – tak. Jest na świecie kilka grup, które nad tym pracują, choć wciąż są na etapie badań. Ale Molecule.one, dziewięcioosobowy start-up z Warszawy, ma już w ręku gotowe narzędzie.

Perła w koronie

Umawiam się z nimi w siedzibie firmy w Warszawie, choć zastać ich tu nie było łatwo. Sukces na TechCrunch robi swoje.

Paweł Łaskarzewski, Piotr Byrski i Paweł „Maxus” Włodarczyk-Pruszyński to pomysłodawcy platformy Molecule.one. Piotr i Paweł „Maxus” zaledwie trzy lata temu skończyli studia. Poznali się jeszcze w liceum, podczas olimpiad chemicznych. Piotr pochodzi z Bielska-Białej i jest laureatem nie tylko olimpiad chemicznych, ale także matematycznych i ekonomicznych. Paweł jest z Gliwic, reprezentował Polskę w międzynarodowej olimpiadzie chemicznej w 2011 roku, gdzie, jako najlepszy z polskiej ekipy, zdobył srebrny medal.

Paweł Włodarczyk-Pruszyński i Piotr Byrski

– Zainteresowałem się chemią jeszcze w gimnazjum – opowiada. – Przejąłem podręczniki akademickie po moim starszym bracie. Były lepsze niż te z gimnazjum, bo bardziej skupiały się na mechanizmach działania, a nie na regułkach i wyrywkowych informacjach. Wiedziałem jednak, że praca chemika to przede wszystkim żmudne eksperymenty, a część koncepcyjna – ta najciekawsza – jest krótka. Dlatego chciałem szukać innych kierunków. Stwierdziliśmy z Piotrem, że zaczniemy studiować jednocześnie medycynę na Warszawskim Uniwersytecie Medycznym oraz chemię i matematykę na Uniwersytecie Warszawskim.

– Jak miałbym to podsumować, to chemia i matematyka dały nam przygotowanie merytoryczne, a medycyna motywację – mówi Piotr Byrski. – Studia medyczne uświadomiły nam, jak ważne i potrzebne jest stosowanie chemii. Bo to chemia zawsze była dla nas perłą w koronie, to ona nas połączyła. No i obaj nie przepadaliśmy za pracą laboratoryjną. Od początku zwracało naszą uwagę to, jak wiele czynności w laboratorium jest powtarzalnych. To praca żmudna, lecz konieczna, sedno tego zawodu. Zawsze mnie nurtowało, jak można by usprawnić i przyspieszyć tę pracę. To był zalążek przyszłego pomysłu.

Kosztowna ślepa uliczka

Jeszcze podczas studiów obaj zostali zaproszeni jako konsultanci do grupy badawczej działającej w Instytucie Chemii Organicznej. Grupa chemików pracowała tam nad próbą automatyzacji syntezy związków chemicznych.

Synteza to próba uzyskania jakiegoś związku, natomiast retrosynteza – proces, w którym analizujemy, w jaki sposób można uzyskać dany związek za pomocą reakcji chemicznych. Szacuje się, że zanim nowy lek trafi do aptek, trzeba przeprowadzić w laboratorium kilkadziesiąt tysięcy reakcji, z których każda trwa nawet do kilku dni. Średnio cały proces zabiera więc 6 lat, zaś każdy dzień takiej pracy kosztuje tysiące dolarów.

A przecież większość związków, nad którymi się pracuje, okazuje się ślepą uliczką. Na etapie badań w laboratorium większość hipotez się nie sprawdza. Kolejna partia odpada na etapie testów in vitro (poza organizmem) lub in vivo (wewnątrz żywego organizmu). Na końcu zostają dwa, trzy związki. Czy rzeczywiście będą działać? Im późniejszy etap, tym pomyłka jest bardziej kosztowna, ponieważ zaprojektowanie nowego leku to koszt rzędu setek milionów dolarów.

To rodzaj wirtualnego laboratorium, w którym można uzyskać przepis na daną molekułę, aby potem fizycznie stworzyć ją w laboratorium

Dlatego tak kusząca jest możliwość automatyzacji tego procesu i dlatego tak wiele zespołów na świecie próbuje wymyślić najlepszy i najszybszy na to sposób. Automatyczna retrosynteza pokazywałaby – w komputerowej, błyskawicznej symulacji – jak można w laboratorium uzyskać pożądany związek chemiczny.

Reguły dobre jak chemik

To właśnie zespół, w którym konsultantami byli Piotr i Paweł, stworzył później platformę i oprogramowanie wykorzystujące wiedzę chemiczną i bazę danych do przewidywania metod syntezy związków organicznych (firma ta została później przejęta przez jedną z najlepszych firm farmaceutycznych na świecie). Po pewnym czasie współpracy Piotr i Paweł podjęli decyzję o pracy nad własnym pomysłem, wykorzystującym rozwiązania z zakresu sztucznej inteligencji.

– Ich rozwiązanie dawały dobre wyniki, ale niestety utrzymanie systemu bazującego na ręcznie kodowanych regułach długoterminowo jest niemożliwe – tłumaczy Piotr Byrski. – Uważaliśmy z Pawłem, że to nie jest podejście przyszłościowe. Chemia bardzo dynamicznie się rozwija, pojawiają się nowe związki i nowe typy reakcji. Chcieliśmy, żeby nasz model nie tylko uczył się tego, co ma w zbiorze, ale miał też pewną kreatywność.

– Oni starali się ręcznie zakodować reguły – jakie reakcje chemiczne da się wykonać, a jakich nie – dodaje Paweł Włodarczyk. – To według nas oznaczało, że reguły będą tak dobre, jak chemik, który je zakoduje. Uważaliśmy, że proces kodowania reguł należy zautomatyzować, a im wydawało się to niemożliwe. Chemicy często uważają chemię po trosze za sztukę i twierdzą, że pewnych subtelności nie da się wyciągnąć z danych automatycznie. Owszem, to prawda, że synteza to złożony i skomplikowany proces, zależny od bardzo wielu czynników. Chodzi nie tylko o to, jakie substancje ze sobą mieszamy, ale też o to, w jakiej robimy to kolejności, w jakim tempie i w jakiej temperaturze. To wszystko wpływa na wynik eksperymentu, a bardzo trudno przełożyć to na dane. My jednak mieliśmy pomysł, jak rozwiązać ten problem za pomocą sztucznej inteligencji. Chcieliśmy skorzystać z zupełnie nowych architektur, które powstały ledwie rok wcześniej – z modeli grafowych. Zdaliśmy sobie sprawę, że jesteśmy w stanie własnymi siłami zbudować taką technologię. Sprawdziliśmy, czy ktoś na świecie robi coś podobnego.

Skok za ocean

Okazało się, że to nisza. Istnieją grupy, które próbują to robić, ale są wciąż na etapie badań i wciąż popełniają błędy.

– Zdaje się, że do tej pory nad tym problemem pracowali albo chemicy nieznający się na informatyce, albo informatycy nieznający się na chemii – mówi Byrski. – My mieliśmy obie te kompetencje.

Wtedy właśnie poznali Pawła Łaskarzewskiego, współtwórcę kilku start-upów, m.in. platformy absolvent.pl.

Paweł Łaskarzewski

– Po wstępnych rozmowach z firmami farmaceutycznymi zorientowałem się, że popyt na takie rozwiązanie jest ogromny – mówi Łaskarzewski. – Firmy od lat gromadziły informacje o reakcjach, które przeprowadzają w swoich laboratoriach, i miały masę nieużywanych danych. My mieliśmy pomysł na narzędzie SI na światowym poziomie, które potrafi przewidzieć, czy daną reakcję chemiczną da się wykonać i w jaki sposób. Naszym celem od początku było stworzenie rozwiązania mogącego się uczyć i zdolnego wyciągać wnioski na podstawie wcześniej wykonanych eksperymentów.

Po tej analizie Łaskarzewski postanowił poprowadzić ich od strony biznesowej – zająć się pozyskiwaniem kapitału, promocją oraz wsparciem w budowaniu technologii wysokiej klasy. W 2018, kiedy pojawili się pierwsi inwestorzy, rozpoczęli budowę systemu. Inwestorem został niemiecki fundusz z siedzibą w Berlinie. Firma złożyła również wniosek patentowy w USA i tam też, gdzie działa najwięcej koncernów farmaceutycznych, zamierza otworzyć spółkę.

Przepis na molekułę

Na czym polega ich pomysł?

To rodzaj wirtualnego laboratorium, w którym można uzyskać przepis na daną molekułę, aby potem fizycznie stworzyć ją w laboratorium. Do generowania syntez korzysta ono z architektur grafowych, dostosowanych do potrzeb chemii, ponieważ reakcja chemiczna to przekształcenie jednych związków chemicznych w inne, a zarówno jedne, jak i drugie można zapisać w formie grafu.

Jeśli ktoś chce się dowiedzieć, jak stworzyć nową, nigdy wcześniej niesyntetyzowaną molekułę, to ich sztuczna inteligencja i z tym sobie poradzi. Poszuka w danych podobnych reakcji albo wzorców chemicznych i na tej podstawie wygeneruje ścieżkę syntezy – czyli przepis na to, jak ją wykonać.

Skąd dane do trenowania?

– Z amerykańskiej bazy patentów – wyjaśnia Łaskarzewski. – W rejestrze patentów znajduje się ogromna ilość publicznie dostępnych danych, z których możemy uzyskać miliony przykładowych reakcji chemicznych. Oczywiście informacje zapisane są tam językiem naturalnym: „związek X wrzucono do rozpuszczalnika, pomieszano, dodano związek Y, podgrzano, ochłodzono, odfiltrowano i w efekcie otrzymano tyle i tyle gramów związku Z”. Poprawna interpretacja tak zapisanych informacji jest czasem trudna i wyciągnięcie wszystkich istotnych elementów zajmuje sporo czasu. Udało nam się jednak te dane odpowiednio oczyścić i dziś już automatycznie aktualizujemy naszą bazę o nowe patenty. Jesteśmy też w stanie oczyścić dowolne źródło danych. Jeżeli wejdziemy we współpracę z dużą firmą farmaceutyczną, to będziemy w stanie podpiąć ich wewnętrzne źródła danych, tak aby nasze algorytmy wzięły pod uwagę także ich doświadczenie i wiedzę gromadzoną przez ostatnie 40-50 lat.

Budujemy system do planowania eksperymentów, a równolegle powstaje system, który będzie automatycznie te eksperymenty wykonywał. Jeszcze 10 lat temu to była wizja science fiction

Platforma Molecule.one odpowiada także na bardzo ważne pytanie: czy stworzenie danej molekuły jest opłacalne? Współpracują z platformą eMolecules, która dostarcza informacji, czy dana cząstka chemiczna jest do kupienia na rynku i za ile.

Wiedzieć, co nie wyszło

Około 200 firm na świecie podpada dziś pod ogólną kategorię: „wykorzystywanie sztucznej inteligencji po to, żeby wspomóc proces odkrywania nowych leków”.

– Są wśród nich poważni gracze, ale wciąż popełniają błędy – opowiada Piotr Byrski. – Jesienią zeszłego roku ukazała się na przykład publikacja, której autorzy twierdzili, że potrafią odkryć lek w 46 dni. Brzmiało to fantastycznie, ale okazało się, że substancje, które jakoby odkryli, są bardzo podobne do leków już obecnych na rynku.

– Najpoważniejszym dla nas konkurentem jest zespół pochodzący z MIT (Massachusetts Institute of Technology) – uważa Paweł Łaskarzewski. – Mają interesujący pomysł i sensowne podejście, ale nie mają gotowego produktu. Jednak MIT jest znany z tego, że lubi spin-offy biznesowe, więc nie zdziwiłbym się, gdyby ta akademicka praca została szybko przekuta na biznes. Jednak my nie obawiamy się konkurencji. Jesteśmy pewni, że to, co stworzyliśmy, jest znakomitym rozwiązaniem.

W planach mają budowę własnego laboratorium i generowanie własnych eksperymentów. Można się zastanawiać, w jakim celu, skoro mają dostęp do tylu źródeł.

– Bo te źródła są jednak niekompletne – tłumaczą. – Brakuje tam jednej bardzo ważnej informacji: o tym, co się nie udało. Nikt się nie chwali porażką, tymczasem dla nas informacja o tym, że coś nie działa, jest równie istotna. Jeśli będziemy mieć możliwość zbudowania własnego zestawu danych, to będziemy firmą, która o tym, jak działa chemia, wie najwięcej na świecie. To jest nasz cel.

Nadchodzi rewolucja

Najwyraźniej na rynku farmaceutycznym zapowiada się rewolucja.

– Kiedy nadejdzie? – pytam.

– Moim zdaniem w ciągu najbliższych 5 lat zobaczymy bardzo istotny postęp. Czas odkrywania nowych leków skróci się przynajmniej o kilkadziesiąt procent – mówi Byrski.

– Era laboratoriów, w których wszystko sprawdza się na piechotę, odchodzi. Jak będzie wyglądać praca chemika?

– Myślę, że wciąż to eksperyment będzie miał ostatnie słowo, ale ten eksperyment będzie wyglądał inaczej. Rozwój robotyki pozwoli na stworzenie laboratoriów, które będą automatyczne. My budujemy system do planowania eksperymentów, a równolegle powstaje system, który będzie automatycznie te eksperymenty wykonywał. Jeszcze 10 lat temu to była wizja science fiction, ale dzisiaj staje się ona rzeczywistością. Z takich automatycznych eksperymentów będzie można zebrać bardzo wysokiej jakości dane, co wpłynie na poprawę systemu planowania. Będzie to więc system, który sam będzie się poprawiał. Taka będzie przyszłość chemii.

Skip to content