Nutzung von KI für revolutionäre Fortschritte in der Arzneimittelentdeckung

Es gibt eine ganze Welt von chemischen Verbindungen, einige sind so groß wie 10⁶⁰, die alle potenziell als niedermolekulare Arzneimittel fungieren könnten. Für die Wissenschaftler ist es eine monumentale Aufgabe, jedes einzelne zu bewerten - man denke nur an die Suche nach einem bestimmten Sandkorn am Strand. Doch dank der jüngsten Fortschritte im Bereich der künstlichen Intelligenz wird diese Herausforderung immer weniger entmutigend. Die Forscher haben jetzt die Möglichkeit, potenzielle Arzneimittelkandidaten viel effizienter zu durchforsten.

Geben Sie die führende Figur in diesem spannenden Bereich, MIT Associate Professor Connor Coley, PhD ’19. Als Quereinsteiger in die Welt der Chemietechnik und der Informatik trägt Coley viele Hüte. Er ist sowohl in diesen Abteilungen als auch am MIT Schwarzman College of Computing tätig. An diesem interessanten Konvergenzpunkt der Wissenschaft arbeitet er fleißig an der Entwicklung und Analyse potenzieller chemischer Verbindungen. Anschließend erstellt er Berechnungsmodelle, die vorhersagen, wie diese Verbindungen hergestellt werden können. Es ist ein allgemeiner Ansatz, aber wie Coley erklärt, “die Hauptanwendung, an die wir denken, ist die Entdeckung von Medikamenten aus kleinen Molekülen”.”

Coleys Weg zu dieser Schnittstelle zwischen Chemie und KI war jedoch nicht geradlinig und schmal - er wurde im Laufe der Zeit durch jahrelange Studien und eine konstante Neigung zur Wissenschaft geprägt, die sich auf den offensichtlichen Einfluss seiner Familie zurückführen lässt. Sein Vater ist Radiologe, seine Mutter studierte Molekularbiophysik und Biochemie, bevor sie die MIT Sloan School of Management besuchte, und seine Großmutter war Mathematikprofessorin. Da er in einer naturwissenschaftlich geprägten Familie aufwuchs, ist es kein Wunder, dass Coley einen starken Hang zur Wissenschaft entwickelte, der ihn dazu inspirierte, am California Institute of Technology (Caltech) Chemieingenieurwesen zu studieren und später am MIT auf demselben Gebiet zu promovieren.

Am MIT konzentrierte sich Coley auf die Verbesserung automatisierter chemischer Reaktionen und verband maschinelles Lernen mit der Chemieinformatik, einer Disziplin, die Berechnungsmethoden in chemische Daten einbezieht. Auf diese Weise konnte er planen, wie neue Arzneimittelmoleküle hergestellt werden könnten. Außerdem entwarf er innovative Hardware, um diese Reaktionen zu automatisieren. Während seines Studiums und seiner Forschungstätigkeit sammelte er Erfahrungen, insbesondere im Rahmen des von der DARPA finanzierten Make-It-Programms, das die Synthese von Arzneimitteln mithilfe von maschinellem Lernen und Datenwissenschaft verbessern sollte.

Nachdem er mit 25 Jahren promoviert hatte, blieb Coley am MIT und nahm eine Stelle an der Fakultät an - er fand die Möglichkeiten, die sich ihm boten, viel zu verlockend, um zu widerstehen. “Das MIT ist ein ganz besonderer Ort, was die Ressourcen und den fließenden Übergang zwischen den Abteilungen angeht”, stellt er fest. Trotz der Ratschläge, in ein neues akademisches Umfeld zu wechseln, konnte er sich die überzeugende Dynamik des MIT mit seiner hohen Qualität der Studenten, der wissenschaftlichen Gemeinschaft und der interdisziplinären Zusammenarbeit nicht entgehen lassen.

Bevor er sich schließlich in seiner Rolle als Dozent niederließ, absolvierte er einen Postdoc-Aufenthalt am Broad Institute, wo er sein Fachwissen in chemischer Biologie und Arzneimittelentdeckung vertiefte. Er arbeitete an der Identifizierung kleiner potenzieller Arzneimittelkandidaten aus Milliarden von DNA-kodierten Molekülbibliotheken. In seinem eigenen Labor am MIT nutzen Coley und sein Team nun die Möglichkeiten der künstlichen Intelligenz, um bestehende Wirkstoffe mit therapeutischem Potenzial zu entwickeln oder zu verbessern und neue Wirkstoffe mit wünschenswerten Eigenschaften zu entwerfen. Sie konzentrieren sich darauf, Herausforderungen in der Chemie mit rechnerischen Lösungen zu verbinden, und haben mehrere rechnerische Modelle entwickelt, wie ShEPhERD, das jetzt von Pharmaunternehmen zur Entdeckung neuer potenzieller Medikamente eingesetzt wird, und FlowER, ein weiteres generatives KI-Modell zur Vorhersage von Reaktionsprodukten. Diese Projekte schreiben Zeile für Zeile ein neues Drehbuch für KI in der Arzneimittelforschung.

Unter Coleys Leitung erforschen die Studierenden verschiedene Facetten der Optimierung chemischer Reaktionen, wie computergestützte Strukturaufklärung, Laborautomatisierung und Versuchsplanung. “Wir hoffen, dass wir durch diese verschiedenen Forschungsstränge die Grenzen der KI in der Chemie erweitern können”, sagt Coley. Und so schreiben sie weiter an den Schockwellen im sich ständig weiterentwickelnden Bereich der KI und Chemie.

Wenn Sie sich für das Potenzial der KI-Automatisierung für Ihr Unternehmen interessieren, sollten Sie die Lösungen mit implementi.ai.

Weitere Informationen finden Sie im Originalartikel über Connor Coleys Arbeit hier.