KI-gesteuerte Arzneimittelentwicklung durch Pfizer und Österreichisches Institut soll das Gesundheitswesen transformieren

Pfizer, das führende Pharmaunternehmen, und das Forschungszentrum für Molekulare Medizin der Österreichischen Akademie der Wissenschaften (CeMM) haben eine KI-gesteuerte Methode zur Arzneimittelentwicklung entwickelt. Der neuartige Ansatz, der das Ergebnis bahnbrechender Bemühungen war, kann potenziell die Zeit verkürzen, in der der Wirkstoff mit therapeutischem Potenzial identifiziert wird, wobei die prominentesten Fortschritte im Bereich der pharmazeutischen Forschung erzielt wurden.

KI-gestützte Arzneimittelentwicklung enthüllt

in der Zeitschrift Science wurde durch ein Team von CeMM-Forschern eine KI-Maschinenlernplattform entwickelt, die die Bindungspräferenzen von Hunderten kleiner Moleküle zu Tausenden verschiedener menschlicher Proteine darstellt. Diese innovative Plattform erzeugt reiche Daten zu kleinen Molekül-Protein-Interaktionen, um die Datenbank zu pflegen, die einen wichtigen Ausgangspunkt für die Beschleunigung der Arzneimittelentwicklung darstellt.

Es gibt eine Lücke in den Informationen zur Arzneimittelentwicklung darüber, wie kleine Moleküle mit menschlichen Proteinen interagieren. Diese Beziehung wurde nicht weitgehend erforscht. Obwohl kleine Moleküle eine Schlüsselkomponente der Arzneimittelentwicklung sind, machen nur ein winziger Teil der menschlichen Proteine, auch bekannt als Liganden, es therapeutisch und wissenschaftlich schwierig, Innovation und grundlegendes Verständnis voranzutreiben.

Unprecedented Scale and Impact

Die Wissenschaftler adoptierten eine chemische Proteomik-Strategie, indem sie etwa 407 verschiedene kleine Molekül-Fragment-Liganden verwendeten, um Bereiche menschlicher Proteine zu targeten. Durch die Anwendung dieses Ansatzes detektierten sie fast 47.700 präzise Protein-Ligand-Interaktionen, die sich auf 2.600 verschiedene Proteine beziehen. Interessanterweise haben fast 90 % der entstehenden Proteine keine bekannten Liganden, ein großer Vorteil der gemeinsamen Arbeit.

Diese Studie hat akademische Bedeutung und größere Implikationen für die Übersetzung in die Behandlung von Proteinzielen durch die Synthese von Liganden-Analoga. Darüber hinaus war Big Data entscheidend bei der Erstellung von Computerlernstrukturen, die das Verhalten kleiner Moleküle in biologischen Systemen vorhersagen können. Dies hat die wissenschaftliche Forschung stark begünstigt.

Offener Zugang und kollaborative Bemühungen

Der neue wissenschaftliche Ansatz der Open Science steht im Mittelpunkt dieser kollaborativen Initiative. Alle Modelle und Daten, die mit diesem Projekt erstellt wurden, stehen der gesamten wissenschaftlichen Gemeinschaft kostenlos zur Verfügung. Diese Ressourcen, die unter einem gemeinsamen Ziel der Bekämpfung von antibiotikaresistenten Infektionen vereint sind, werden wahrscheinlich die Zusammenarbeit stimulieren und zum kollektiven Fortschritt des Arzneimittelentwicklungsprozesses beitragen. Wissenschaftler können über eine benutzerfreundliche Webanwendung auf den Informationsreichtum von CeMM und Pfizer zugreifen und ihn erkunden, was weitere Innovation und Entdeckung ermöglicht.

Die Partnerschaft zwischen Pfizer und CeMM symbolisiert einen Paradigmenwechsel in der therapeutischen Entwicklung. Sie nutzt KI und maschinelles Lernen, um Dinge schneller auf den Punkt einzustellen, an dem Medikamente für die Behandlung gefunden werden. Diese bahnbrechende Arbeit wird den größten Einfluss auf die Pharmaindustrie haben, da sie das Potenzial hat, die Mechanismen der Protein-kleine Molekül-Interaktionen zu klären.

Die Einbindung größerer Akteure der Pharmaindustrie und die Zusammenarbeit mit akademischen Institutionen als Partner wird in Zukunft bei den Bemühungen, weiter zu innovieren und medizinische Probleme zu behandeln, die Aufmerksamkeit erfordern, immer wichtiger sein. Die gerade von Pfizer und CeMM geleistete Arbeit unterstreicht die Tatsache, dass es ein großes Potenzial in solchen Kooperationen gibt, die die Ära der Entwicklung neuer Medikamente möglich machen könnten.