Synthesis-aware generative design in trillion-scale chemical spaces for automated drug discovery
Das Papier stellt Hyper Screening X vor, ein generatives KI-Framework, das strukturbasiertes Design mit automatisierter Synthesehardware integriert, um effizient durch chemische Räume in Billionen-Größenordnung zu navigieren und erfolgreich erstklassige Leitstrukturen mit hohen Synthese- und Funktions-Trefferraten zu identifizieren.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Die Suche nach neuen Medikamenten war lange Zeit ein Glücksspiel gegen einen Ozean der Möglichkeiten. Wissenschaftler wissen, dass das chemische Universum Billionen potenzieller Moleküle enthält – eine riesige Landschaft, in der eine einzige Verbindung den Schlüssel zur Heilung einer Krankheit halten könnte. Jahrzehntelang bestand der Standardansatz darin, massive digitale Bibliotheken dieser potenziellen Wirkstoffe zu erstellen und Computer zu nutzen, um sie zu screenen, auf der Suche nach jenen, die wie ein Schlüssel in ein biologisches Ziel passen könnten. Doch diese Methode stößt an ihre Grenzen. Die Computer schlagen oft Moleküle vor, die auf dem Bildschirm perfekt aussehen, aber in einem echten Labor unmöglich herzustellen sind, oder sie versäumen es, die seltenen, perfekten Kandidaten zu finden, die in der schieren Menge der Daten verborgen liegen. Die Kluft zwischen dem, was ein Computer sich vorstellen kann, und dem, was ein Chemiker tatsächlich erschaffen kann, blieb eine hartnäckige Barriere für eine schnellere Arzneimittelentwicklung.
Ein Forscherteam hat diese Lücke nun mit einem neuen System geschlossen, das Moleküle nicht bloß imaginiert, sondern sie gezielt so entwirft, dass sie baubar sind. Sie entwickelten ein Framework für künstliche Intelligenz namens Hyper Screening X, das anders arbeitet als bisherige Werkzeuge. Anstatt eine statische Liste vorgefertigter Optionen abzusuchen, agiert dieses System wie ein leitender Architekt. Es versteht die strengen Regeln der chemischen Konstruktion und weiß genau, welche Bausteine verfügbar sind und wie diese in einem realen Labor miteinander verbunden werden können. Indem es diese physikalischen Einschränkungen direkt in seinen Denkprozess einbettet, exploriert die KI einen chemischen Raum von elf Billionen Verbindungen – eine Zahl, die so groß ist, dass ein Mensch selbst einen winzigen Bruchteil davon nicht in einem Lebenszeit prüfen könnte. Das System verschwendet keine Zeit mit unmöglichen Strukturen; es navigiert durch diese Trillionen-große Landschaft, indem es nur Moleküle berücksichtigt, die von automatisierten Maschinen zusammengesetzt werden können, wodurch sichergestellt wird, dass jede von ihm generierte Idee bereit für den Labortisch ist.
Um zu testen, ob dieser Ansatz in der realen Welt funktioniert, wandten sich die Forscher einem schwierigen biologischen Ziel zu: einem Protein namens SLC1A5_var, das als Transporter für Glutamin in den Mitochondrien von Zellen fungiert. Dieses Protein ist entscheidend für bestimmte Arten von Krebs, war jedoch aufgrund seiner komplexen Struktur bisher notorisch schwer mit Medikamenten zu beeinflussen. Das Team bat ihre KI, Moleküle zu entwerfen, die dieses Protein blockieren und gleichzeitig strenge Sicherheits- und Chemikalienstandards erfüllen. Das System generierte Millionen von Kandidaten und wählte die besten dreiundzwanzig basierend darauf aus, wie gut sie das Zielmolekül voraussichtlich binden würden und wie einfach sie zu synthetisieren wären. Diese dreiundzwanzig Designs wurden dann direkt an eine automatisierte Syntheseplattform gesendet, ein Robotersystem, das Moleküle ohne menschliches Eingreifen baut. Das Ergebnis war beeindruckend: Zweiundzwanzig der dreiundzwanzig Designs wurden erfolgreich hergestellt, was einer Erfolgsquote von fast sechsundneunzig Prozent entspricht. Diese hohe Erfolgsrate bewies, dass die KI nicht nur rät, sondern präzise vorhersagt, was physisch herstellbar ist.
Sobald die Moleküle vorlagen, testeten die Forscher, ob sie tatsächlich funktionierten. Sie fanden heraus, dass elf der zweiundzwanzig synthetisierten Verbindungen erfolgreich verhinderten, dass das Protein seine Aufgabe erfüllte – eine Trefferquote von fünfzig Prozent, was für die frühe Phase der Arzneimittelentwicklung außergewöhnlich hoch ist. Zwei dieser Verbindungen stachen als besonders vielversprechend hervor. Sie waren in der Lage, das Protein mit hoher Präzision zu blockieren und dessen Transport von Glutamin zu stoppen, ohne gesunde Zellen zu schädigen. Weitere Experimente zeigten, wie sie wirkten: Die Verbindungen hefteten sich an eine verborgene Stelle des Proteins, was dazu führte, dass die Struktur des Proteins auseinanderbrach und seine Funktion deaktiviert wurde. Diese Störung führte zu einem Zusammenbruch der Energieproduktion in den Krebszellen und hungerte diese effektiv aus. Die beiden führenden Verbindungen zeigten eine starke Aktivität bei sehr niedrigen Konzentrationen, wobei eine lediglich 231,2 Nanomolar benötigte, um die halbmaximale Wirkung zu erzielen, und sie wiesen eine breite Sicherheitsmarge auf, was bedeutet, dass sie Krebszellen abtöten konnten, ohne normale Zellen zu schädigen.
Die Bedeutung dieser Arbeit liegt in ihrer Fähigkeit, die abstrakte Kraft der künstlichen Intelligenz in eine konkrete, physische Realität zu verwandeln. Frühere Methoden lieferten oft Listen von Molekülen, die auf einem Computerbildschirm gut aussahnen, aber scheiterten, wenn Chemiker versuchten, sie herzustellen, oder sie erforderten umfangreiches menschliches Ausprobieren, um eine funktionierende Lösung zu finden. Dieses neue System beseitigt diese Diskrepanz, indem es das Medikament und dessen Herstellungsprozess gleichzeitig entwirft. Die Forscher demonstrierten, dass sie durch die Einhaltung der chemischen Regeln von Beginn an den Raum von elf Billionen Möglichkeiten navigieren konnten, um seltene, effektive Lösungen zu finden. Die Entdeckung dieser zwei neuen Verbindungen, die ein zuvor als „unbehandelbar“ geltendes Protein mit hoher Präzision angreifen, deutet darauf hin, dass die Zukunft der Arzneimittelentwicklung nicht darin bestehen wird, eine Nadel im Heuhaufen zu suchen, sondern eine Maschine zu bauen, die die Nadel selbst weben kann. Dieser Ansatz bietet einen praktischen Weg zu einer vollautonomen Arzneimittelentwicklung, bei der sich der Zyklus aus Design, Bau und Test nahtlos vollzieht und so den Weg von einer wissenschaftlichen Idee zu einem lebensrettenden Medikament beschleunigt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.