Tekoäly myös uusien lääkkeiden kehittämiseen

Zürichin Federal Institute of Technologyn tutkijat ovat kehittäneet aTekoäly voi merkittävästi nopeuttaa kehitystä uusia lääkkeitä ja optimoida olemassa olevia.

ETH:n tekoäly pystyy tunnistamaan, missä kohdassa telinemolekyylit on mahdollista kehittää uusia aktiivisia ainesosia, ja pystyy myös määrittämään optimaaliset olosuhteet kemialliset reaktiot pyynnöt onnistuvat.

Le ennakoivia ominaisuuksia uudesta mallista ovat yllättäviä: laboratoriossa jo tunnetuilla lääkemolekyyleillä varmennettuna tekoälyn ennusteet osoittautuivat oikeaksi viidessä tapauksesta kuudesta.

Kemian Big 100 ja maailmantalouden haasteet
Uusien lääkkeiden kehittäminen, kirjastot parantuneet kemian ansiosta

Uusien huumeiden synteesi kohti todellista vallankumousta

Tähän mennessä tunnistaa ja tuottaa uusia lääkkeitä ja vaikuttavia aineita piti käydä läpi pitkä kokeellinen polku, joka koostui hypoteeseista, kokeiluista ja virheistä: ajallisesti ja resursseina erittäin kallis tie ja täynnä umpikujaa.

Yleensä kemistit käyttävät uusien farmakologisesti aktiivisten molekyylien tuottamiseksi synteesimenetelmiä johdettu jo tunnetuista kemiallisista reaktioista, ja testaa sitten jokainen näistä menetelmistä laboratoriokokein.

Nykyään kuitenkinTekoäly sallii kehitystä, joka oli mahdotonta vielä muutama vuosi sitten, ja uusia tekniikoita voidaan soveltaa myös uusien lääkkeiden synteesiin. ETH Zürichin tutkijat ja tutkijat Roche Pharman tutkimus ja varhainen kehitys ovat kehittäneet tekoälymallin, joka auttaa määrittämään parhaan synteesimenetelmän ja voi myös osoittaa sen onnistumisen todennäköisyyden.

"Menetelmällämme voidaan merkittävästi vähentää tarvittavien laboratoriokokeiden määrää”, Hän selittää Kenneth Atz, tohtoriopiskelija ETH Zürichin lääketieteen instituutissa, joka yhdessä professorin kanssa Gisbert Schneider, kehitti tekoälymallin.

MSD, Alankomaiden lääkeala muuttuu vihreäksi
Vatsassa on "vakooja", ja se on patch anturitoiminnoilla

Kuinka uudet lääkkeet syntyvät: rakennustelineet ja toiminnalliset ryhmät

Il AI malli uusien lääkkeiden synteesiä varten on toistaiseksi testattu kemiallisen reaktion kanssa borylaatio, yksi niistä "jo tunnetuista reaktioista", joita käytetään uusien vaikuttavien ainesosien tuotantoon. Nämä koostuvat yleensä arakennustelineet joihin liittyvät ns funktionaalisia ryhmiä kuten amidit (esimerkiksi parasetamoli) ja alkoholit (esimerkiksi glyseriini).

Nämä telineet tai rakennusteline, tukevat toiminnallisia ryhmiä ja pitävät ne oikeassa asennossa, jotta ne toimivat tietyllä tavalla. Telineet koostuvat kuitenkin pääasiassa atomeista hiiltä ja vetyä, mikä tekee niistä kaikkea muuta kuin reaktiivisia: sidoksen muodostaminen funktionaalisten atomien, kuten typen, hapen tai kloorin, kanssa ei ole ollenkaan ilmeistä.

Jotta voit onnistua luomaan nämä joukkovelkakirjat, sinun täytyy aktivoi rakennustelineet kemiallisesti poikkeamareaktioiden kautta. Borylaatio on yksi näistä aktivointimenetelmistä: se koostuu booria sisältävän kemiallisen ryhmän sitomisesta telineen hiiliatomiin ja sen korvaamisesta sitten kätevästi toisella farmakologisesti tehokkaalla ryhmällä.

Vesi, ruoho ja ihmiskunta: tekoälyn kognitiiviset rajat
Uusi tietokoneistettu potilasennätys: täydellä vauhdilla Sveitsissä

Tekoäly astuu laboratorioon voittoisasti

Yksi tapa tuottaa uusia lääkkeitä ja olemassa olevien parantaminen koostuu funktionaalisten ryhmien sijoittamisesta uudet istuimet telineissä: Zürichin Federal Institute of Technologyn tutkijoiden kehittämä tekoäly huolehtii tämän vaiheen yksinkertaistamisesta. Malli pystyy tunnistamaan uusia mahdollisia lisäpaikkoja ja määrittämään optimaaliset olosuhteet aktivointireaktion onnistumiseksi.

He selittävät, että alkuperäinen idea oli ottaa tieteellisessä kirjallisuudessa kuvatut reaktiot ja käyttää niitä kouluttaa tekoälyn mallia käytetään tunnistamaan mahdollisimman monta borylaatiokohtaa uusissa molekyyleissä.

"Vaikka borylaatiolla on suuri potentiaali, reaktiota on vaikea hallita laboratoriossa", selittää Atz, "siksi syvällinen maailmankirjallisuuden hakumme toi esiin vain hieman yli 1.700 XNUMX tieteellistä artikkelia aiheesta”. Tekoälymalliin syötettävän datan laadun varmistamiseksi tiimi rajasi lähteet 38 erityisen luotettavaan dokumenttiin, jotka kuvaavat yhteensä 1.380 XNUMX borylaatioreaktiota.

Tieteellisen kirjallisuuden tulokset yhdistettiin sitten arviointeihin 1.000 reaktiota suoritettu laboratoriossa Rochen lääkekemian tutkimusosaston hallinnoima, mikä mahdollistaa kemiallisten reaktioiden suorittamisen milligramman mittakaavassa ja analysoinnin samanaikaisesti. "Laboratorioautomaation yhdistämisellä tekoälyyn on valtava potentiaali”Hän selittää David Nippa, Rochen tohtoriopiskelija,voi lisätä huomattavasti kemiallisen synteesin tehokkuutta ja parantaa sitä samanaikaisesti kestävyys".

Innovatiivinen aivohalvaushoito sveitsiläisen lääketieteen ansiosta
Hämmennys ja hallinta tekoälyn aikana

Suuri ennusteteho erityisesti 3D-datan kanssa

Tekoälymalli osoitti tieteellisestä kirjallisuudesta ja laboratoriotesteistä poimittujen tietojen pohjalta yllättävä ennustuskyky: hänen ennusteensa varmistettiin käyttämällä kuutta jo tunnettua lääkemolekyyliä ja in viisi kuudesta tapauksesta laboratoriokokeet vahvistivat suunnitellut lisäpaikat.
Malli osoittautui yhtä luotettavaksi määritettäessä telineen paikat, joissa aktivointi ei ole mahdollista, ja määritti optimaaliset olosuhteet aktivointireaktiot.

Ennusteet paranivat entisestään, kun mallilla oli pääsy 3D tiedot molekyyleillä lähtökohta, eikä vain niiden kemiallinen kaava: "Näyttää siltä, ​​että malli kehittää eräänlaista kolmiulotteista kemiallista ymmärrystä”, Atz selittää.

Ammattikorkeakoulun nuori tohtoriopiskelija työskentelee nyt tekoälytutkijana lääkekemian alalla Rochessa: "On erittäin jännittävää työskennellä akateemisen tekoälytutkimuksen ja laboratorioautomaation rajapinnassa.”, on selittänyt, ”ja on ilo viedä kaikkea tätä eteenpäin parhailla sisällöillä ja menetelmillä".

Tulevaisuuden kemia: alan uudet haasteet kestävälle kehitykselle
Ennennäkemätön synteettinen laastari sisäisten haavojen tiivistämiseen