Kunstmatige intelligentie ook voor de ontwikkeling van nieuwe medicijnen

Onderzoekers van het Federal Institute of Technology in Zürich hebben eenIntelligenza Artificial die de ontwikkeling aanzienlijk kunnen versnellen nieuwe medicijnen en om bestaande te optimaliseren.

De kunstmatige intelligentie van ETH is in staat om te identificeren op welk punt op de scaffold-moleculen het mogelijk is om nieuwe actieve ingrediënten te ontwikkelen, en is ook in staat om de optimale omstandigheden te bepalen voor de chemische reacties aanvragen zijn succesvol.

Le voorspellende mogelijkheden van het nieuwe model zijn verrassend: geverifieerd in het laboratorium op reeds bekende medicijnmoleculen, bleken de voorspellingen van de AI in vijf van de zes gevallen correct.

De Big 100 van de chemie en de uitdagingen van de wereldeconomie
Ontwikkeling van nieuwe medicijnen, bibliotheken verbeterd dankzij chemie

De synthese van nieuwe medicijnen richting een echte revolutie

Tot op heden, identificeren en produceren nieuwe medicijnen en actieve ingrediënten het was noodzakelijk om een ​​lang experimenteel pad te doorlopen dat bestond uit hypothesen, vallen en opstaan: een zeer dure weg in termen van tijd en middelen, en vol doodlopende wegen.

Over het algemeen gebruiken scheikundigen nieuwe farmacologisch actieve moleculen synthese methoden afgeleid van reeds bekende chemische reacties, en test vervolgens elk van deze methoden door middel van laboratoriumexperimenten.

Vandaag echter is deIntelligenza Artificial permette ontwikkelingen die nog maar een paar jaar geleden ondenkbaar warenen nieuwe technologieën kunnen ook toepassing vinden op het gebied van de synthese van nieuwe medicijnen. Wetenschappers van ETH Zürich en onderzoekers van Roche Pharma Onderzoek en vroege ontwikkeling hebben een AI-model ontwikkeld dat helpt bij het bepalen van de beste synthesemethode, en ook de kans op succes kan aangeven.

"Onze methode kan het aantal benodigde laboratoriumexperimenten aanzienlijk verminderen", Hij legt uit Kenneth Atz, promovendus aan het Instituut voor Farmaceutische Wetenschappen van de ETH Zürich, die samen met professor Gisbert Schneider, ontwikkelde het AI-model.

MSD, de farmaceutische sector in Nederland kleurt groen
Er zit een "spion" in de buik, en het is een patch met sensorfuncties

Hoe nieuwe medicijnen worden geboren: steigers en functionele groepen

Il AI-model want de synthese van nieuwe medicijnen is voorlopig getest met de chemische reactie van borylering, een van die ‘reeds bekende reacties’ die wordt gebruikt voor de productie van nieuwe actieve ingrediënten. Deze bestaan ​​doorgaans uit asteiger waaraan de zogenaamde zijn gekoppeld functionele groepen zoals amiden (bijvoorbeeld paracetamol) en alcoholen (bijvoorbeeld glycerine).

Deze steigers, of steigerdienen om de functionele groepen te ondersteunen en in de juiste positie te houden zodat ze op een bepaalde manier handelen. De steigers bestaan ​​echter hoofdzakelijk uit atomen van koolstof en waterstof, waardoor ze allesbehalve reactief zijn: het verkrijgen van een binding met functionele atomen zoals stikstof, zuurstof of chloor is helemaal niet vanzelfsprekend.

Om succesvol te zijn in het creëren van deze banden, moet je dat doen de steigers chemisch activeren via afwijkingsreacties. Borylatie is een van deze activeringsmethoden: het bestaat uit het binden van een chemische groep die boor bevat aan een koolstofatoom van het skelet, en deze vervolgens gemakkelijk vervangen door een andere farmacologisch effectieve groep.

Water, gras en menselijkheid: de cognitieve grenzen van kunstmatige intelligentie
Nieuw geautomatiseerd patiëntendossier: volle kracht vooruit in Zwitserland

Kunstmatige intelligentie komt triomfantelijk het laboratorium binnen

Een weg tot nieuwe medicijnen produceren en het verbeteren van bestaande bestaat uit het plaatsen van functionele groepen nieuwe zitplaatsen op de steigers: de kunstmatige intelligentie ontwikkeld door onderzoekers van het Federale Instituut voor Technologie in Zürich zorgt voor het vereenvoudigen van deze stap. Het model is in staat nieuwe mogelijke extra locaties te identificeren en de optimale omstandigheden voor het succes van de activeringsreactie.

Het oorspronkelijke idee, zo leggen ze uit, was om de reacties die in de wetenschappelijke literatuur worden beschreven te gebruiken train een Kunstmatig Intelligentie-model te gebruiken om zoveel mogelijk boryleringsplaatsen op nieuwe moleculen te identificeren.

"Hoewel borylering een groot potentieel heeft, is de reactie in het laboratorium moeilijk te controleren”, legt Atz uit, “daarom heeft onze diepgaande zoektocht in de wereldliteratuur slechts iets meer dan 1.700 wetenschappelijke artikelen over dit onderwerp aan het licht gebracht”. Om de kwaliteit van de gegevens die aan het AI-model moeten worden ingevoerd te garanderen, heeft het team de bronnen teruggebracht tot 38 bijzonder betrouwbare documenten, die in totaal beschrijven 1.380 boryleringsreacties.

De resultaten uit de wetenschappelijke literatuur werden vervolgens geïntegreerd met de evaluaties van 1.000 reacties uitgevoerd in het laboratorium beheerd door Roche's Medicinal Chemistry Research Department, waardoor chemische reacties op milligramschaal kunnen worden uitgevoerd en tegelijkertijd kunnen worden geanalyseerd. “Het combineren van laboratoriumautomatisering met kunstmatige intelligentie heeft een enorm potentieel'Legt hij uit David Nippa, PhD-student bij Roche, “kan de efficiëntie van de chemische synthese aanzienlijk verhogen en tegelijkertijd verbeteren duurzaamheid'.

Innovatieve beroertetherapie dankzij Zwitserse geneeskunde
Verwarring en controle in de tijd van kunstmatige intelligentie

Grote voorspellende kracht, vooral met 3D-gegevens

Gevoed met de verzameling gegevens uit wetenschappelijke literatuur en laboratoriumtests, demonstreerde het AI-model a verrassend voorspellend vermogen: zijn voorspellingen werden geverifieerd met behulp van zes reeds bekende medicijnmoleculen, en in vijf van de zes gevallen laboratoriumtesten bevestigden de geplande extra locaties.
Het model was even betrouwbaar als het ging om het identificeren van locaties op het schavot waar activering niet mogelijk is, en bepaalde de optimale omstandigheden voor activeringsreacties.

De voorspellingen verbeterden verder toen het model er toegang toe had 3D-informatie op moleculen uitgangspunt, in plaats van alleen hun chemische formule: “Het lijkt erop dat het model een soort driedimensionaal chemisch begrip ontwikkelt”, legt Atz uit.

De jonge promovendus van de Polytechnic werkt nu als AI-wetenschapper op het gebied van medicinale chemie bij Roche: “Het is heel spannend om te werken op het grensvlak tussen academisch AI-onderzoek en laboratoriumautomatisering”, heeft uitgelegd, “en het is een genoegen om dit alles met de beste inhoud en methoden voort te kunnen zetten'.

Toekomstige chemie: de nieuwe uitdagingen van de industrie voor duurzaamheid
Een ongekende synthetische pleister om inwendige wonden af ​​te dichten