Wissenschaftler der Universität von Kalifornien in San Diego haben eine innovative Methode entwickelt, die künstliche Intelligenz nutzt, um komplexe chemische Prozesse zu simulieren und damit die Entdeckung neuer Medikamente zu beschleunigen.
Ihr Werkzeug, genannt POLYGON, kann schnell Medikamentenkandidaten identifizieren, die auf mehrere Ziele abzielen, was die Nebenwirkungen der derzeitigen Kombinationstherapien reduzieren könnte.
Die Forscher setzten POLYGON ein, um 32 neue Medikamentenkandidaten zu synthetisieren, die auf die Krebsbehandlung abzielen. Dieses neue Werkzeug ist einzigartig, weil es sich auf Moleküle konzentriert, die auf mehrere Ziele wirken, ein Ansatz, der von großem Interesse für Wissenschaftler und Ärzte ist.
Die Algorithmik wird zunehmend ein bedeutendes Feld in den pharmazeutischen Wissenschaften, erklärt Trey Ideker, Professor an der UC San Diego. Im Gegensatz zu kommerziellen Methoden wird diese Technologie als Open Source zur Verfügung gestellt und kann daher frei verwendet werden.
POLYGON wurde mit einer Datenbank von über einer Million bioaktiver Moleküle trainiert, mit detaillierten Informationen über ihre chemischen Eigenschaften und bekannten Interaktionen. Diese Technologie ermöglicht die Erzeugung chemischer Formeln für neue Medikamentenkandidaten, die spezifische Proteine hemmen könnten.
Die Forscher haben diese Technologie getestet, indem sie Hunderte von Medikamentenkandidaten produzierten, die verschiedene Proteinpaare, die mit Krebs assoziiert sind, ins Visier nahmen. Von diesen zeigten 32 Moleküle vielversprechende Interaktionen mit den Proteinen MEK1 und mTOR, die oft in Kombinationstherapien gezielt werden.
Die durch künstliche Intelligenz unterstützte Medikamentenentdeckung wird von den Forschern als zukunftsweisender und vielversprechender Weg angesehen, der die gegenwärtigen Praktiken möglicherweise transformieren kann.
Quelle: Nature Communications