Accelerating Drug Discovery with HyperLab: An Easy-to-Use AI-Driven Platform

Das von HITS entwickelte KI-gestützte Web-Plattform HyperLab beschleunigt die Wirkstoffentwicklung durch eine benutzerfreundliche Schnittstelle und fortschrittliche Methoden wie Hyper Binding und Hyper Design, die nachweislich präzise Vorhersagen treffen und erfolgreich neue, hochwirksame Wirkstoffkandidaten identifizieren.

Das Wesentliche

🧪 HyperLab: Der „Google Maps" für die Arzneimittelforschung

Stellen Sie sich vor, Sie sind ein Detektiv, der in einer riesigen, dunklen Bibliothek nach einem einzigen, perfekten Schlüssel sucht, der ein verschlossenes Schloss (eine Krankheit) öffnen kann. Normalerweise dauert das Suchen Jahre, kostet eine Vermögen und erfordert, dass man ein Experte für Schlossmechanik (Chemie) und Computerprogrammierung ist.

HyperLab ist wie ein hochmodernes, KI-gesteuertes Navigationsgerät für diese Bibliothek. Es wurde von einem Unternehmen namens HITS entwickelt, um Forschern zu helfen, schneller und einfacher Medikamente zu finden – auch ohne dass sie selbst Computer-Experten sein müssen.

Hier sind die wichtigsten Funktionen, erklärt mit einfachen Vergleichen:

1. Der „Schlüssel-Schloss-Scanner" (Hyper Binding)

Stellen Sie sich vor, Sie haben einen Schlüssel (ein Medikament) und ein Schloss (ein Protein im Körper). Früher musste man den Schlüssel mühsam in das Schloss stecken und drehen, um zu sehen, ob er passt.
HyperLab macht das in Sekundenbruchteilen. Es nutzt eine Art „Röntgenblick", um vorherzusagen, wie genau ein Schlüssel in ein Schloss passt.

• Der Clou: Es ist so präzise wie die besten menschlichen Experten (fast so gut wie ein Super-Computer namens AlphaFold3), aber fünfmal schneller. Es kann sogar den Schlüssel entwerfen, wenn man ihm nur die Form des Schlosses beschreibt, ohne dass man ein Foto vom Schloss hat.

2. Die „Unendliche Bibliothek" (Hyper Screening & X)

Normalerweise schauen Forscher in eine Schachtel mit vielleicht einer Million verschiedenen Schlüsseln.
Hyper Screening schaut in eine Schachtel mit einer Million Schlüsseln.
Hyper Screening X ist der Wahnsinn: Es schaut in eine virtuelle Bibliothek mit 11 Billionen (ja, Billionen!) möglichen Schlüsseln.

• Die Analogie: Wenn Sie eine Nadel im Heuhaufen suchen, ist eine Million Heuhaufen schwer. 11 Billionen Heuhaufen sind unmöglich. Aber HyperLab nutzt eine „magische KI", die nicht jeden einzelnen Heuhaufen durchsucht, sondern sofort errät, wo die Nadel mit höchster Wahrscheinlichkeit liegt. Es findet viel öfter neue, bessere Nadeln als alte Methoden.

3. Der „Kreativ-Designer" (Hyper Design)

Wenn man einen guten Schlüssel gefunden hat, will man ihn vielleicht noch etwas verbessern, damit er besser sitzt oder nicht so leicht abbricht.
Hyper Design ist wie ein KI-Assistent, der Ihnen sagt: „Hey, wenn Sie an dieser Stelle des Schlüssels ein kleines Zahnrad hinzufügen und dort einen Hebel entfernen, wird er noch besser funktionieren."
Es erstellt neue, verbesserte Versionen von Medikamenten, die noch nie zuvor existiert haben, aber trotzdem sicher herzustellen sind.

4. Der „Werkzeugkoffer" (Hyper ADME/T & SAR)

Bevor ein Medikament auf den Markt kommt, muss es viele Tests bestehen: Ist es giftig? Wird es vom Körper aufgenommen?
Hyper ADME/T ist wie ein Vorhersage-Test, der simuliert, wie der menschliche Körper mit dem Medikament umgehen wird, bevor man überhaupt ein Tier oder einen Menschen testet.
SAR-Analyse ist wie ein Vergleichs-Tool, das Ihnen zeigt: „Schauen Sie, alle diese 50 Schlüssel funktionieren ähnlich, aber dieser hier hat eine rote Farbe, die ihn besonders effektiv macht."

5. Der „persönliche Assistent" (AI Assistant)

HyperLab hat einen eingebauten KI-Chatbot. Sie können ihn einfach fragen: „Wie funktioniert dieses Medikament?" oder „Zeig mir die Daten zu diesem Protein." Er sucht in riesigen Datenbanken und erklärt Ihnen alles in einfacher Sprache, als hätte er einen erfahrenen Apotheker an Ihrer Seite.

🏆 Das große Experiment: Von der Idee zum echten Medikament

Das Papier zeigt nicht nur, wie das Tool funktioniert, sondern beweist es auch mit einem echten Test:

1. Das Rennen: Das Team nutzte HyperLab, um in nur 24 Stunden aus einer riesigen Menge von Verbindungen die besten Kandidaten zu finden.
2. Der Erfolg: Sie testeten die Top-Kandidaten im Labor. Fünf davon funktionierten tatsächlich und blockierten das Zielprotein sehr effektiv.
3. Die Verbesserung: Dann nutzten sie den „Designer" (Hyper Design), um neue Versionen zu bauen. Von fünf neu hergestellten Medikamenten funktionierten drei extrem gut – einer davon war sogar besser als das alte Referenzmedikament.

Warum ist das wichtig?

Früher war die Suche nach neuen Medikamenten wie das Suchen nach einer Nadel im Heuhaufen mit einem Löffel: langsam, teuer und für nur wenige Experten zugänglich.
HyperLab gibt Forschern einen Metallsuchgerät mit KI-Verstand. Es macht die Suche so schnell, dass man in einem Tag findet, was früher Monate dauerte. Es senkt die Kosten und erlaubt auch kleineren Teams, große medizinische Durchbrüche zu erzielen.

Kurz gesagt: HyperLab ist der Turbo für die Medizin, der komplexe Wissenschaft in einfache Klicks verwandelt und uns hoffentlich schneller zu neuen Heilmitteln bringt.

Technische Zusammenfassung

Technische Zusammenfassung: HyperLab – Eine KI-gestützte Plattform zur Beschleunigung der Wirkstoffentdeckung

1. Problemstellung
Die moderne Wirkstoffentdeckung (Drug Discovery) steht vor erheblichen Herausforderungen: Sie ist zeit- und kostenintensiv und erfordert spezialisiertes Fachwissen in computergestützter Arzneimittelforschung (CADD) und künstlicher Intelligenz (KI). Herkömmliche Methoden wie das virtuelle Screening (Virtual Screening) sind oft auf Bibliotheken mit wenigen Millionen Verbindungen beschränkt, was die Wahrscheinlichkeit, neuartige und potente Wirkstoffe zu finden, verringert. Zudem sind etablierte Docking-Verfahren in ihrer Vorhersagegenauigkeit für Bindungsmodi und Affinitäten oft unzureichend, und der Workflow zwischen verschiedenen Phasen (Hit-Identifizierung, Lead-Optimierung, ADMET-Prädiktion) ist häufig fragmentiert. Es besteht ein dringender Bedarf an einer integrierten, benutzerfreundlichen Plattform, die hochmoderne KI-Modelle für Forscher ohne tiefgehende KI-Expertise zugänglich macht und den gesamten Entdeckungsprozess beschleunigt.

2. Methodik und Plattformarchitektur
HyperLab, entwickelt von HITS, ist eine webbasierte, KI-getriebene Plattform, die den gesamten Struktur-basierten Wirkstoffentdeckungsprozess (SBDD) integriert. Sie kombiniert fortschrittliche Deep-Learning-Modelle mit einer intuitiven Benutzeroberfläche (UI/UX).

Die Kernkomponenten und Methoden umfassen:

• Hyper Binding (Strukturvorhersage & Affinität):

  • Nutzt ein physik-informiertes Deep-Learning-Modell zur Vorhersage von Protein-Ligand-Bindungsmodi und -affinitäten.
  • Unterstützt verschiedene Eingabeformate: PDB-IDs, hochgeladene Strukturen, AlphaFold-Vorhersagen und eine neuartige Co-folding-Technologie, die Bindungskonformationen direkt aus Proteinsequenzen vorhersagt, ohne dass eine experimentelle 3D-Struktur vorliegen muss.
  • Führt eine Covalent Hyper Binding durch, die reaktive Warheads und Zielreste automatisch zuordnet oder manuell definiert.

• Hyper Screening & Hyper Screening X (Virtuelles Screening):

  • Hyper Screening: Screenet Bibliotheken von bis zu 1 Million Verbindungen (inkl. FDA-zugelassene, Naturstoff-ähnliche und Kinase-spezifische Bibliotheken).
  • Hyper Screening X: Nutzt generative KI (basierend auf GFlowNet) zur Exploration eines virtuellen chemischen Raums von 11 Billionen (11 Trillionen) Molekülen. Anstatt jede Verbindung einzeln zu docken, generiert das Modell Moleküle, die gewünschte Bindungsscores und Eigenschaften (MW, LogP, TPSA) erfüllen. Dies ermöglicht eine deutlich höhere Trefferquote und die Entdeckung neuartiger Gerüste.

• Hyper Design (Lead-Optimierung):

  • Transformiert gegebene Scaffolds in neue Derivate mit verbesserten Bindungswerten.
  • Berücksichtigt die Synthesierbarkeit und nutzt Fragmentbibliotheken (abgeleitet von ChEMBL).
  • Ermöglicht das "Fragment-Wachstum" und die Umgehung von Patenten durch strukturelle Variationen.

• Hyper ADME/T & SAR-Analyse:

  • Vorhersage von 19 pharmakologischen Eigenschaften (z. B. LogP, CYP-Inhibition, hERG, BBB-Penetration).
  • Integrierte Struktur-Wirkungs-Beziehungs-Analyse (SAR) mit automatischer Kern-Gruppierung (BRICS-basiert) und hierarchischer Zerlegung, kombiniert mit experimentellen Daten.

• KI-Assistent:

  • Ein spezialisierter KI-Agent (basierend auf Claude 3.7), der Datenbanken (PubChem, ChEMBL, PDB) durchsucht, Code schreibt, Graphen erstellt und den Forschungsprozess steuert.

3. Wichtige Beiträge und Ergebnisse

• Benchmark-Ergebnisse (Pose Prediction):

  • Auf dem PoseBuster v2-Benchmark erreichte Hyper Binding (mit Bindungsstellen-Information) eine Genauigkeit von 77 %. Dies übertrifft herkömmliche Docking-Methoden (Vina: 58 %, Diffdock: 13 %) und nähert sich AlphaFold3 (84 %) an.
  • Ein entscheidender Vorteil ist die Geschwindigkeit: Hyper Binding benötigt nur 3 Minuten pro Komplex (auf Cloud-Ressourcen), verglichen mit ca. 15 Minuten für AlphaFold3 auf einer RTX 3060 GPU.

• Bindungsaffinitäts-Vorhersage:

  • Auf zwei FEP-Datensätzen (Free Energy Perturbation) erzielte Hyper Binding Pearson-Korrelationskoeffizienten von 0,70 (Dataset 1) und 0,53 (Dataset 2).
  • Dies übertrifft sowohl Deep-Learning-Modelle (Luminet, Genscore) als auch physikbasierte Docking-Methoden (Glide SP, Vina) konsistent.

• Covalent Docking:

  • Bei der Vorhersage von Bindungsmodi für kovalente Inhibitoren erreichte Covalent Hyper Binding (Co-folding) eine Genauigkeit von 88,7 %, deutlich höher als COV SMINA (48,4 %) und GNINA (46,8 %).
  • Im virtuellen Screening (Enrichment Factor EF@10%) zeigte Covalent Hyper Binding für Mpro (6,56) und KRAS (9,97) die stärkste Anreicherung aktiver Verbindungen.

• Experimentelle Validierung (Case Study):

  • Screening: Innerhalb von 24 Stunden wurden 52 Top-Verbindungen aus einer Bibliothek identifiziert und getestet. 5 Verbindungen zeigten eine IC50 im Bereich von 70–600 nM (Trefferquote ~9 %).
  • Design: Durch Hyper Design wurden 5 neue Derivate synthetisiert. 3 davon zeigten >75 % Hemmung bei 1 µM (IC50: 200–400 nM).
  • Ein neu entwickeltes Molekül (H00505) zeigte eine Aktivität, die der Referenzverbindung gleichkam oder diese übertraf, und aktivierte den antioxidativen Signalweg (ARE) signifikant stärker.

4. Bedeutung und Fazit

HyperLab stellt einen Paradigmenwechsel in der computergestützten Wirkstoffentdeckung dar. Die Plattform adressiert erfolgreich die Barrieren von Zeit, Kosten und Fachwissen, indem sie:

1. Skalierbarkeit: Durch Hyper Screening X den Zugang zu einem chemischen Raum von 11 Billionen Molekülen ermöglicht, was die Wahrscheinlichkeit für das Finden neuartiger Hits drastisch erhöht.
2. Genauigkeit & Geschwindigkeit: State-of-the-Art-KI-Modelle bietet, die in der Vorhersagegenauigkeit mit AlphaFold3 konkurrieren, aber deutlich schneller sind.
3. Demokratisierung: Durch eine intuitive UI/UX und einen KI-Assistenten wird hochkomplexe SBDD-Technologie für experimentelle Forscher ohne CADD-Hintergrund nutzbar gemacht.
4. Effizienzsteigerung: Der interne Fallstudiennachweis zeigt, dass der Workflow von der Hit-Identifizierung bis zur experimentellen Validierung eines Leads mit nanomolarer Potenz (IC50 200–400 nM) massiv beschleunigt werden kann. Im Vergleich zu herkömmlichen High-Throughput-Screenings (HTS) reduziert sich der Aufwand von potenziell 200.000 Messungen auf ca. 100, bei gleichzeitig höherer Trefferquote.

Zusammenfassend positioniert sich HyperLab als transformative, integrierte Lösung, die den Drug-Discovery-Prozess durch KI-Integration, enorme chemische Abdeckung und experimentelle Validierbarkeit revolutioniert.