KI-gesteuerter medizinischer Durchbruch: Künstliche Intelligenz für die Entdeckung neuer Medikamente nutzen

Die Arzneimittelentdeckung wird als “vom Labor zum Krankenbett” bezeichnet, weil sie so lange dauert und so teuer ist. Es dauert etwa 11 bis 16 Jahre und kostet zwischen $1 Milliarde und $2 Milliarden, um ein Medikament auf den Markt zu bringen. Aber jetzt revolutioniert KI die Arzneimittelentwicklung und bietet bessere Geschwindigkeit und Rentabilität.

KI in der Arzneimittelentwicklung hat unseren Ansatz und unsere Strategie bei der biomedizinischen Forschung und Innovation verändert. Sie hat Forschern geholfen, die Komplexität von Krankheitswegen zu reduzieren und biologische Ziele zu identifizieren.

Lassen Sie uns genauer betrachten, was die KI in der Arzneimittelentdeckung für die Zukunft bereithält.

Verständnis der Rolle der KI: Wie sie für die Arzneimittelentdeckung eingesetzt wird?

KI hat verschiedene Stadien des Arzneimittelentdeckungsprozesses mit ihrer Fähigkeit, große Mengen an Daten zu analysieren und komplexe Vorhersagen zu treffen, verbessert. Hier ist, wie:

1. Zielidentifizierung

Die Zielidentifizierung ist der erste Prozess der Arzneimittelentdeckung, der die Identifizierung möglicher molekularer Einheiten wie Proteine, Enzyme und Rezeptoren im Körper beinhaltet, die mit Medikamenten kombiniert werden können, um therapeutische Effekte gegen Krankheiten zu erzeugen.

KI kann große klinische Datenbanken nutzen, die wichtige Informationen über die Zielidentifizierung enthalten. Diese Datenquellen können biomedizinische Forschung, biomolekulare Informationen, klinische Studien, Proteinstrukturen usw. umfassen.

Trainierte KI-Modelle zusammen mit biomedizinischen Techniken wie Genexpression können komplexe biologische Krankheiten verstehen und biologische Ziele für die Medikamentenkandidaten identifizieren. Zum Beispiel haben Forscher verschiedene KI-Techniken für die Identifizierung neuer Antikrebsziele entwickelt.

2. Zielauswahl

KI in der Arzneimittelentdeckung kann Forschern helfen, vielversprechende Ziele basierend auf ihren Krankheitskorrelationen und vorhergesagten therapeutischen Nutzen auszuwählen. Mit starker Mustererkennung kann KI diese Auswahl basierend nicht nur auf deklarierter medizinischer Literatur, sondern auch auf völlig neuen Zielen ohne vorherige Referenz in veröffentlichten Patentschriften treffen.

3. Medikamentenpriorisierung

In diesem Stadium bewertet und bewertet KI Leitmedikamentenverbindungen und priorisiert sie für weitere Bewertung und Forschung, um ihre Entwicklung voranzutreiben. Im Vergleich zu früheren Bewertungstechniken sind KI-basierte Ansätze effektiver darin, die vielversprechendsten Kandidaten zu identifizieren. Zum Beispiel haben Forscher ein Deep-Learning-basiertes computergestütztes Framework entwickelt, um neue Medikamente für die Alzheimer-Krankheit zu identifizieren und zu priorisieren.

4. Verbindungsscreening

KI-Modelle können die chemischen Eigenschaften und Bioaktivität von Verbindungen vorhersagen und Einblicke in unerwünschte Effekte geben. Sie können Daten aus verschiedenen Quellen analysieren, einschließlich früherer Studien und Datenbanken, um mögliche Risiken oder Nebenwirkungen in Verbindung mit einer bestimmten Verbindung zu identifizieren. Zum Beispiel haben Forscher ein Deep-Learning-Tool entwickelt, um chemische Bibliotheken mit Milliarden von Molekülen zu screenen, um die groß angelegte Verbindungsexploration erheblich zu beschleunigen.

5. De-Novo-Medikamentenentwurf

Die manuelle Durchsuchung großer Sammlungen von Verbindungen war eine traditionelle Praxis in der Arzneimittelentdeckung. Mit KI können Forscher neue Verbindungen mit oder ohne vorherige Informationen screenen und auch die endgültige 3D-Struktur der entdeckten Medikamente vorhersagen. Zum Beispiel ist AlphaFold, entwickelt von DeepMind, ein KI-System, das Proteinstrukturen vorhersagen kann. Es verfügt über eine Datenbank mit über 200 Millionen Proteinstrukturvorhersagen, die den Medikamentenentwurfsprozess beschleunigen können.

5 Erfolgreiche Beispiele für KI-basierte Arzneimittelentdeckung

1) Abaucin

Antibiotika töten Bakterien. Aber aufgrund des Mangels an neuen Medikamenten und der schnellen Evolution von bakterieller Resistenz gegen ältere Medikamente werden Bakterien immer schwerer zu behandeln. Abaucin, ein experimentelles Antibiotikum, das mit KI entwickelt wurde, ist darauf ausgelegt, Acinetobacter baumannii, eines der gefährlichsten Superbug-Bakterien, zu töten.

Mit KI haben die Forscher zunächst Tausende von Medikamenten getestet, um zu sehen, wie gut sie gegen das Bakterium Acinetobacter baumannii wirken. Dann wurde diese Information verwendet, um KI zu trainieren, um ein Medikament zu entwickeln, das es effektiv behandeln kann.

2) Target X von Insilico Medicine

Insilico Medicine hat seine Generative-AI-Plattform verwendet und ein Medikament namens Target X entwickelt, das sich derzeit in Phase-1-Studien befindet. Target X ist darauf ausgelegt, idiopathische Lungenfibrose zu behandeln, eine Krankheit, die bei älteren Personen zu Lungensteifigkeit führen kann, wenn sie unbehandelt bleibt. Phase 1 wird 80 Teilnehmer umfassen, und die Hälfte wird höhere Dosen allmählich erhalten. Dies wird helfen, zu bewerten, wie das Medikament mit dem menschlichen Körper interagiert.

3) VRG50635 von Verge Genomic

Verge Genomics, ein KI-Arzneimittelentdeckungsunternehmen, hat seine KI-Plattform CONVERGE verwendet, um eine neue Verbindung, VRG-50635, für die Behandlung von ALS zu entdecken, indem es menschliche Datenpunkte analysierte. Die Datenpunkte enthielten Informationen über das Gehirn und Rückenmark von Patienten mit neurodegenerativen Erkrankungen wie Parkinson, ALS und Alzheimer.

Die Plattform fand zunächst das PIKfyve-Enzym als mögliches Ziel für ALS und schlug dann VRG50635 als vielversprechenden Hemmer von PIKfyve vor, der zu einem potenziellen Medikamentenkandidaten für die Behandlung von ALS wurde. Der Prozess dauerte etwa vier Jahre, und jetzt befindet sich der Kandidat in Phase 1 der humanen Studien.

4) Exscientia-A2a-Rezeptor

Exscientia, ein KI-MedTech-Unternehmen, ist für das erste KI-designte Molekül für die immuno-onkologische Behandlung verantwortlich – eine Form der Krebsbehandlung, die das Immunsystem des Körpers nutzt, um Krebszellen zu bekämpfen. Ihr KI-Medikament ist in die humanen klinischen Studienphase eingetreten. Sein Potenzial liegt in seiner Fähigkeit, den A2a-Rezeptor zu targeten, um anti-tumorale Aktivität zu fördern, während es gleichzeitig sicherstellt, dass der Körper und das Gehirn weniger Nebenwirkungen erfahren.

Mit Generative KI haben sie einige andere Verbindungen für die Targeting verschiedener Krankheiten wie

• Transkriptionell abhängige Krebsarten durch Targeting CDK7-Hemmer
• Entzündliche Krankheiten durch Targeting PKC-theta-Enzym
• Hämatologie- und Onkologie-Krankheiten durch Targeting LSD1-Regulator

5) Absci-De-Novo-Antikörper mit Zero-Shot-Generative KI

Absci, ein Generative-AI-Arzneimittelentdeckungsunternehmen, hat den Einsatz von Zero-Shot-Generative-KI zur Erstellung von De-Novo-Antikörpern über Computersimulation demonstriert. Zero-Shot-Lernen bedeutet, dass das KI-Modell nicht explizit auf die aktuelle Eingabeinformation während der Trainingsphase getestet wurde. Daher kann dieser Prozess neue Antikörperformen auf eigene Faust erstellen.

De-Novo-Therapeutische Antikörper, die von KI angetrieben werden, verkürzen die Zeit, die es braucht, um neue Medikamentenleads zu entwickeln, von bis zu sechs Jahren auf nur 18 bis 24 Monate und erhöhen ihre Erfolgschancen in der Klinik. Das Unternehmen kann 3 Millionen KI-generierte Designs pro Woche testen und validieren. Diese neue Entwicklung könnte sofort neue Therapeutika an jeden Patienten liefern und markiert eine signifikante industrielle Veränderung.

Was hält die Zukunft von KI und Arzneimittelentdeckung bereit?

Neben vielen anderen Gesundheitsanwendungen macht KI den Arzneimittelentdeckungsprozess schneller und intelligenter, indem sie große Datenmengen analysiert und vielversprechende Medikamentenziele und -kandidaten vorhersagt. Mit Generative KI können Biotech-Unternehmen Patientenreaktionsmarker identifizieren und personalisierte Behandlungspläne schnell entwickeln.

Ein Bericht legt nahe, dass bald mehr MedTech-Unternehmen KI und ML in die frühe Arzneimittelentdeckung integrieren werden, was dazu beitragen wird, einen 50-Milliarden-Markt innerhalb der nächsten zehn Jahre zu schaffen und damit ein erhebliches Wachstumspotenzial für KI in der Pharmaindustrie bietet. KI wird wahrscheinlich die Gesamtkosten der Arzneimittelentdeckung reduzieren und mehr neue Medikamente für Patienten schneller verfügbar machen.

Wenn Sie mehr über KI und ihre Zukunft erfahren möchten, besuchen Sie unite.ai.