Die Identifizierung von Wirkstoffkandidaten für die weitere Optimierung erfordert in der Regel Tausende von Einzelexperimenten, aber die neue Plattform für künstliche Intelligenz (KI) könnte möglicherweise die gleichen Ergebnisse in einem Bruchteil der Zeit liefern. Die Forscher nutzten das neue Tool, das in Nature Communications beschrieben wird, um 32 neue Arzneimittelkandidaten für Krebs zu synthetisieren.
Die Technologie ist Teil eines neuen, aber wachsenden Trends in der pharmazeutischen Wissenschaft, KI zur Verbesserung der Arzneimittelentdeckung und -entwicklung einzusetzen.
Die neue Plattform mit dem Namen POLYGON gilt unter den KI-Tools für die Arzneimittelentdeckung als einzigartig, da sie Wirkstoffe mit mehreren Zielmolekülen identifizieren kann. Medikamente mit mehreren Zielmolekülen sind für Ärzte und Wissenschaftler von großem Interesse, da sie die gleichen Vorteile bieten können wie eine Kombinationstherapie, bei der mehrere verschiedene Medikamente zusammen zur Behandlung von Krebs eingesetzt werden - jedoch mit weniger Nebenwirkungen.
In Bindungsdaten für mehr als 100.000 Verbindungen erkennt POLYGON polypharmakologische Interaktionen mit einer Genauigkeit von 82,5 %.
"Vor einigen Jahren war KI in der pharmazeutischen Industrie ein Schimpfwort, aber jetzt geht der Trend eindeutig in die entgegengesetzte Richtung. Biotech-Startups finden es schwierig, Gelder zu beschaffen, ohne KI in ihrem Geschäftsplan zu berücksichtigen", sagte der Hauptautor Trey Ideker, Professor am Fachbereich Medizin an der UC San Diego School of Medicine und außerordentlicher Professor für Bioengineering und Informatik an der UC San Diego Jacobs School of Engineering.
"Die KI-gestützte Arzneimittelforschung ist zu einem sehr aktiven Bereich in der Industrie geworden, aber im Gegensatz zu den Methoden, die in Unternehmen entwickelt werden, machen wir unsere Technologie als Open Source verfügbar und für jeden zugänglich, der sie nutzen möchte."
Um POLYGON auf die Probe zu stellen, musste die Plattform Hunderte von Arzneimittelkandidaten generieren, die auf verschiedene Paare von krebsbezogenen Proteinen abzielten. Davon synthetisierten die Forscher 32 Moleküle, die die stärksten vorhergesagten Wechselwirkungen mit den Proteinen MEK1 und mTOR aufwiesen. Das Paar zellulärer Signalproteine stellt ein vielversprechendes Ziel für eine Kombinationstherapie bei Krebs dar. Der Clou: Die Hemmung nur eins dieser beiden Proteine reicht aus, um Krebszellen abzutöten.
Die Forscher stellten fest, dass die von ihnen synthetisierten Medikamente eine signifikante Aktivität gegen MEK1 und mTOR aufwiesen, aber nur wenige Off-Target-Reaktionen mit anderen Proteinen zeigten. Dies deute darauf hin, "dass einer oder mehrere der von POLYGON identifizierten Wirkstoffe in der Lage sein könnten, als Krebstherapie auf beide Proteine abzuzielen".
Original Paper:
- De novo generation of multi-target compounds using deep generative chemistry | Nature Communications
- Der Quellcode von POLYGON ist öffentlich zugänglich unter https://github.com/bpmunson/polygon
Lesen Sie dazu auch:
- DGKL: NeoHunter: Software erkennt Neoantigene bei Krebs
- DGKL: "Wachsende Datenbank": Wiley stellt aktualisierte AntiBase Library vor
- DGKL: VR-Therapie kann Schmerzen bei Krebspatienten lindern
Weiterführende Informationen:
Polypharmakotherapie im Alter: Weniger Medikamente sind oft mehr (aerzteblatt.de)
