KI-Tool könnte Arzneimittelentdeckung beschleunigen
Algorithmus kann effizient vorhersagen, wie sich neue Moleküle biegen, falten und bewegen werden
Anzeigen
Für jedes lebensverändernde neue Medikament, das auf den Markt kommt, gibt es viele Kandidaten, die auf dem Weg dorthin scheitern. Ein an der Universität von Oregon entwickeltes, auf künstlicher Intelligenz basierendes Werkzeug könnte Wissenschaftlern helfen, besser vorherzusagen, wie hypothetische neue Medikamente im Körper wirken könnten, bevor sie teure Tests durchführen.
Ihr Algorithmus simuliert effizient, wie sich noch nie zuvor gesehene Moleküle auf der Grundlage ihrer chemischen Struktur bewegen und verhalten werden.
Die Forschung wurde von dem Doktoranden Revanth Elangovan und der Postdoktorandin Sompriya Chatterjee im Labor des Biophysikers Dhiman Ray geleitet. Das Team hat die Ergebnisse kürzlich in den Proceedings of the National Academy of Sciences veröffentlicht .
"Wenn meine Forschung erfolgreich ist, werden wir in 10 oder 20 Jahren in der Lage sein, Simulationen in Echtzeit durchzuführen und zu sehen, wie verschiedene Arten von Medikamenten an ein Protein binden", so Ray. "Und von dort aus können wir dann auswählen, welche wir für Versuche am Menschen verwenden sollten.
Wissenschaftler verwenden bereits fortschrittliche Berechnungswerkzeuge, um die Struktur neuer Moleküle vorherzusagen. Programme wie AlphaFold von Google können Forschern helfen, Kandidaten für Impfstoffe und andere Medikamente anhand ihrer Form schnell zu überprüfen. Diese Programme haben den Bereich der Arzneimittelentwicklung verändert - die Wissenschaftler, die sie entwickelt haben, erhielten 2024 sogar den Nobelpreis für Chemie.
Obwohl sie extrem leistungsfähig sind, sind die Werkzeuge zur Strukturvorhersage wie ein Standbild aus einem Film, so Ray. Sie fangen einen Moment in der Zeit ein, sagen aber nicht viel über die Handlung aus.
Um wirklich vorhersagen zu können, wie sich Moleküle im menschlichen Körper verhalten werden, müssen Wissenschaftler verstehen, wie sie sich bewegen und interagieren. Wird das Molekül am gewünschten Zielort im Körper haften bleiben oder eher an etwas, das nicht zum Zielort gehört?
Die derzeitigen Simulationsansätze sind rechenintensiv, so Ray. Wie ein abendfüllender Spielfilm sind sie detailreich, aber teuer in der Herstellung und daher für viele Labors unerschwinglich.
Der neue Ansatz seines Teams ist so etwas wie eine Wikipedia-Zusammenfassung der Handlung, ein guter Mittelweg zwischen einem Foto und einem Spielfilm. Das Ergebnis liefert den Wissenschaftlern die grundlegenden Informationen, die sie benötigen, um vorherzusagen, wie sich die Moleküle bewegen werden - das Endergebnis, aber auch die effizienteste Route, um dorthin zu gelangen.
Rays Team erstellte das Modell durch die Kombination von künstlicher Intelligenz und physikalischen Daten. Anhand von Messungen des Verhaltens bekannter Moleküle in verschiedenen Situationen und der Energiemenge, die erforderlich ist, um sie zu einer Formänderung zu bewegen, haben die Wissenschaftler dem KI-Modell Parameter zugewiesen, die verhindern, dass es vom Weg abkommt und Energie für die Erforschung unwahrscheinlicher Szenarien verschwendet.
Und mathematische Techniken erhöhen die Wahrscheinlichkeit, dass die Forscher genau den Moment erfassen, den sie suchen: den Bruchteil einer Sekunde, wenn ein Medikament an sein Ziel bindet.
"Das ist die Macht, die wir haben, weil wir Computerwissenschaftler sind: Wir können diese Tricks anwenden, um Dinge zu erfassen, die wir in einer normalen Simulation nicht sehen können", so Ray.
Der Code, den sie entwickelt haben, ist für andere frei verfügbar.
Ray und sein Team sind besonders an Anwendungen in der Arzneimittelentwicklung interessiert. Der Ansatz könnte jedoch in allen Bereichen der Biologie und Chemie nützlich sein und Forschern helfen, die Eigenschaften vieler neuer Materialien zu verstehen.
Ein nächster Schritt besteht darin, die Daten des Modells einfacher zu interpretieren und die Ergebnisse in einen benutzerfreundlichen Kurzfilm zu übersetzen.
"Wir behalten einige der physikalischen Erkenntnisse und einige der Vorteile des maschinellen Lernens bei und kombinieren sie auf eine Weise, die beiden Bereichen zugute kommt", so Ray. "Das macht die Einzigartigkeit unserer Projekte aus, nicht nur dieser speziellen Arbeit, sondern auch des gesamten Labors."
Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.
Originalveröffentlichung
Weitere News aus dem Ressort Wissenschaft
