Kunstig intelligens også for utvikling av nye legemidler

Forskere ved Federal Institute of Technology i Zürich har utviklet enKunstig intelligens i stand til å akselerere utviklingen betydelig nye medikamenter og for å optimalisere eksisterende.

ETHs kunstige intelligens er i stand til å identifisere på hvilket tidspunkt på stillasmolekylene det er mulig å utvikle nye aktive ingredienser, og er også i stand til å bestemme de optimale forholdene for kjemiske reaksjoner forespørsler er vellykkede.

Le prediktive evner av den nye modellen er overraskende: verifisert i laboratoriet på allerede kjente medikamentmolekyler, viste AIs spådommer seg riktige i fem av seks tilfeller.

The Big 100 of kjemi og utfordringene i den globale økonomien
Utvikling av nye legemidler, bibliotek forbedret takket være kjemi

Syntesen av nye stoffer mot en ekte revolusjon

Til dags dato, for å identifisere og produsere nye legemidler og aktive ingredienser det var nødvendig å gå gjennom en lang eksperimentell vei bestående av hypoteser, prøving og feiling: en svært kostbar vei i form av tid og ressurser, og full av blindveier.

Generelt, for å produsere nye farmakologisk aktive molekyler, bruker kjemikere syntesemetoder avledet fra allerede kjente kjemiske reaksjoner, og test deretter hver av disse metodene gjennom laboratorieeksperimenter.

I dag er imidlertidKunstig intelligens permette utvikling som var utenkelig for bare noen år siden, og nye teknologier kan også finne anvendelse innen syntese av nye medikamenter. Forskere fra ETH Zürich og forskere fra Roche Pharma forskning og tidlig utvikling har utviklet en AI-modell som hjelper til med å bestemme den beste syntesemetoden, og som også kan indikere sannsynligheten for suksess.

"Metoden vår kan redusere antallet laboratorieeksperimenter som trengs betydelig“, Forklarer han Kenneth Atz, doktorgradsstudent ved Institute of Pharmaceutical Sciences ved ETH Zürich som sammen med professor Gisbert Schneider, utviklet AI-modellen.

MSD, den farmasøytiske sektoren i Nederland blir grønn
Det er en "spion" i magen, og det er en lapp med sensorfunksjoner

Hvordan nye medisiner blir født: stillaser og funksjonelle grupper

Il AI-modell for syntesen av nye stoffer har blitt testet, for nå, med den kjemiske reaksjonen av borylering, en av de "allerede kjente reaksjonene" som brukes til produksjon av nye aktive ingredienser. Disse består vanligvis av enstillas som de såkalte er knyttet til funksjonelle grupper som amider (for eksempel paracetamol) og alkoholer (for eksempel glyserin).

Disse stillasene, eller stillas, tjene til å støtte funksjonsgruppene og holde dem i riktig posisjon slik at de opptrer på en bestemt måte. Stillasene er imidlertid hovedsakelig sammensatt av atomer av karbon og hydrogen, som gjør dem alt annet enn reaktive: å få en binding med funksjonelle atomer som nitrogen, oksygen eller klor er slett ikke åpenbart.

For å lykkes med å skape disse båndene, må du kjemisk aktiver stillasene via avviksreaksjoner. Borylering er en av disse aktiveringsmetodene: den består av å binde en kjemisk gruppe som inneholder bor til et karbonatom i stillaset, og deretter passende erstatte den med en annen farmakologisk effektiv gruppe.

Vann, gress og menneskelighet: de kognitive grensene for kunstig intelligens
Ny datastyrt pasientjournal: Full fart i Sveits

Kunstig intelligens kommer triumferende inn i laboratoriet

En måte å produsere nye medikamenter og å forbedre eksisterende er å plassere funksjonelle grupper i nye seter på stillasene: den kunstige intelligensen utviklet av forskere ved Federal Institute of Technology i Zürich tar seg av å forenkle dette trinnet. Modellen er i stand til å identifisere nye mulige tilleggsplasseringer og bestemme optimale forhold for å lykkes med aktiveringsreaksjonen.

Den opprinnelige ideen, forklarer de, var å ta reaksjonene beskrevet i vitenskapelig litteratur og bruke dem til trene en kunstig intelligens-modell skal brukes til å identifisere så mange boryleringssteder som mulig på nye molekyler.

"Selv om borylering har et stort potensial, er reaksjonen vanskelig å kontrollere i laboratoriet", forklarer Atz, "det er grunnen til at vårt dyptgående søk i verdenslitteraturen bare brakte frem i lyset i overkant av 1.700 vitenskapelige artikler om emnet". For å sikre kvaliteten på dataene som skal mates til AI-modellen, begrenset teamet kildene til 38 spesielt pålitelige dokumenter, som totalt beskriver 1.380 boryleringsreaksjoner.

Resultatene av den vitenskapelige litteraturen ble deretter integrert med evalueringene av 1.000 reaksjoner utført i laboratoriet administrert av Roches medisinske kjemiforskningsavdeling, slik at kjemiske reaksjoner kan utføres i milligramskala og analyseres samtidig. "Å kombinere laboratorieautomatisering med kunstig intelligens har et enormt potensial"Sier David Nippa, PhD-student ved Roche, "kan i stor grad øke effektiviteten i kjemisk syntese og forbedre den på samme tid bærekraft".

Innovativ slagterapi takket være sveitsisk medisin
Forvirring og kontroll i tiden for kunstig intelligens

Stor prediktiv kraft, spesielt med 3D-data

Matet med mengden av data hentet fra vitenskapelig litteratur og laboratorietester, demonstrerte AI-modellen en overraskende prediksjonsevne: spådommene hans ble bekreftet ved hjelp av seks allerede kjente medikamentmolekyler, og i fem av seks saker laboratorietester bekreftet de planlagte tilleggslokalitetene.
Modellen viste seg like pålitelig når det gjaldt å identifisere steder på stillaset hvor aktivering ikke er mulig, og bestemte de optimale forholdene for aktiveringsreaksjoner.

Spådommene ble ytterligere forbedret da modellen hadde tilgang til 3D informasjon på molekyler utgangspunkt, i stedet for bare deres kjemiske formel: "Det ser ut til at modellen utvikler en slags tredimensjonal kjemisk forståelse”, forklarer Atz.

Den unge doktorgradsstudenten fra Polytechnic jobber nå som AI-forsker innen medisinsk kjemi ved Roche: "Det er veldig spennende å jobbe i grensesnittet mellom akademisk AI-forskning og laboratorieautomatisering.", har forklart, «og det er en glede å kunne føre alt dette videre med det beste innholdet og metodene".

Fremtidens kjemi: industriens nye utfordringer for bærekraft
Et syntetisk plaster uten sidestykke for å forsegle indre sår