Skoltech-Start-up übertrifft KI-Nobelpreis-Technologie beim virtuellen Wirkstoffscreening
Ligand Pro beschleunigt das Screening um das 30-Fache: KI-Modell ermöglicht mittelgroßen Labors virtuelles Screening in großem Maßstab
Das von Skoltech-Professoren und einem Skoltech-Doktoranden gegründete Unternehmen Ligand Pro hat Matcha vorgestellt, ein KI-gestütztes molekulares Docking-Modell, das ein virtuelles Wirkstoffscreening 30-mal schneller durchführt als die von Nobelpreisträgern entwickelten großen Ko-Faltungsmodelle der AlphaFold-Klasse und sie gleichzeitig in Bezug auf Genauigkeit und physikalische Korrektheit der Ergebnisse übertrifft. Matcha eröffnet neue Möglichkeiten für das virtuelle Screening und die Arzneimittelentwicklung im Frühstadium.
Der Matcha-Algorithmus wird im Preprint beschrieben. Um eine unabhängige Überprüfung der Ergebnisse und die Integration von Matcha in bestehende F&E-Prozesse zu ermöglichen, haben die Forscher das Manuskript, den Code und die Modellgewichte offen zugänglich gemacht.
Wie wirken Medikamente auf molekularer Ebene?
Krankheiten treten häufig auf, wenn ein oder mehrere Proteine im Körper nicht mehr richtig funktionieren. Das Medikament zielt darauf ab, die Aktivität des Zielproteins zu verändern, indem es mit ihm in Wechselwirkung tritt. Aufgrund ihrer Eigenschaften binden sich Arzneimittelmoleküle selektiv an einen Hohlraum im Protein, der als Bindungstasche bezeichnet wird. Die Bindungstasche ist wie ein Schlüsselloch. Wenn das Medikamentenmolekül die richtige Form und die richtigen chemischen Eigenschaften hat, wird es wie ein Schlüssel in die Tasche schlüpfen und die Aktivität des Proteins verändern.
Was ist molekulares Docking und wie wird es eingesetzt?
Um den "Schlüssel" zu finden oder zu entwerfen, verwenden die Forscher das molekulare Docking, eine rechnerische Technik, die Moleküle und Proteine ohne Laborexperimente zusammenbringt. Mit dieser Methode wird bewertet, wie gut ein Molekül aufgrund seiner Form und seiner chemischen Eigenschaften in die Tasche eines Proteins passen könnte.
Docking ist zu einem integralen Bestandteil des virtuellen Screenings geworden, einer schnellen, computergestützten Methode zum Sortieren von Millionen von Verbindungen, um vielversprechende Arzneimittelkandidaten zu finden. Das virtuelle Testen potenzieller Kandidaten, bevor sie ins Labor kommen, kann jahrelange Arbeit und Millionen von Dollar sparen.
Der Mangel an präzisen 3D-Proteinstrukturen ist ein häufiges Hindernis für das Docking. Im Jahr 2020 stellte DeepMind AlphaFold vor, ein KI-System, das 3D-Proteinstrukturen mit hoher Genauigkeit vorhersagen kann. Dieser Durchbruch brachte seinen Entwicklern 2024 den Nobelpreis für Chemie ein und läutete eine neue Ära in der computergestützten Biologie ein.
Geschwindigkeit ist das A und O
Selbst mit leicht verfügbaren 3D-Proteinstrukturen bleibt die schnelle Zuordnung von Millionen von Molekülen zu Proteinen eine große rechnerische Herausforderung. Matcha übertrifft AlphaFold3 bei weitem: Es verarbeitet einen einzelnen Protein-Ligand-Komplex in 13 Sekunden im Vergleich zu 6,5 Minuten bei AlphaFold3. AlphaFold3 benötigt viereinhalb Monate kontinuierlicher Berechnungen, um eine Datenbank mit Millionen von Verbindungen durchzuarbeiten, während Matcha diese Aufgabe in weniger als acht Tagen bewältigen kann. Das bedeutet, dass Matcha 30-mal schneller ist, während es eine vergleichbare Genauigkeit bietet; außerdem liefert Matcha physikalisch zuverlässigere Ergebnisse. Damit wird das aufwändige virtuelle Screening auch für mittelgroße Forschungszentren machbar.
Matcha überprüft Schritt für Schritt die genaue Position des Moleküls innerhalb des Proteins. Zunächst bestimmt es die ungefähre Position des Moleküls und passt dann dessen Rotation und interne Verdrehungen an. Die vorhergesagten Konfigurationen werden mit einer physikbewussten GNINA-Methode minimiert, während die eingebettete Verifizierung automatisch physikalisch unrealistische Konfigurationen verwirft. Die verbleibenden Positionen werden nach der vorhergesagten GNINA-Affinität geordnet, um die optimale Position auszuwählen. Matcha hat bei der Verarbeitung von Standarddatensätzen hochpräzise und physikalisch zuverlässige Vorhersagen bewiesen, und das bei rekordverdächtiger Geschwindigkeit.
"Die Entwicklung von Arzneimitteln ist ein langer, kapitalintensiver und risikoreicher Prozess. Ein Projekt kann in jeder Phase gestoppt werden, auch wenn bereits viel Zeit und Mühe investiert wurde. Dennoch können computergestützte Methoden die frühen Phasen besonders gut optimieren. Unser Ziel ist es, wirksame KI-basierte Werkzeuge zu entwickeln, die einen umfassenden Berechnungsrahmen für die frühen Phasen der Arzneimittelentwicklung schaffen. Die Verbesserung der Effizienz in dieser Phase erhöht die Erfolgswahrscheinlichkeit und beschleunigt die Markteinführung neuer Medikamente", sagte Marina Pak, Mitbegründerin und CEO von Ligand Pro und eine Skoltech-Absolventin.
"In nur drei Jahren sind wir von einer Idee und dem Aufbau eines Teams zu bahnbrechenden Ergebnissen gekommen. Wir entwickeln Matcha weiter und befassen uns mit verwandten Aufgaben, einschließlich der Generierung von Molekülen, der Vorhersage und Optimierung ihrer Eigenschaften. Unser nächster Schritt besteht darin, unsere Lösung in realen F&E-Pipelines experimentell zu validieren und dann mit der industriellen Umsetzung fortzufahren", sagte Daria Frolova, die Leiterin des Bereichs maschinelles Lernen bei Ligand Pro und eine Skoltech-Doktorandin im Bereich Computational and Data Science and Engineering.
Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.
Weitere News aus dem Ressort Wirtschaft & Finanzen
Meistgelesene News
Weitere News von unseren anderen Portalen
Da tut sich was in der Life-Science-Branche …
So sieht echter Pioniergeist aus: Jede Menge innovative Start-ups bringen frische Ideen, Herzblut und Unternehmergeist auf, um die Welt von morgen zum Positiven zu verändern. Tauchen Sie ein in die Welt dieser Jungunternehmen und nutzen Sie die Möglichkeit zur Kontaktaufnahme mit den Gründern.