UniLingo3DMol: a unified 3D molecular language model for de novo and fragment-based drug design

Die Suche nach neuen Medikamenten ist eine monumentale Aufgabe, die oft mit der Suche nach einer spezifischen Nadel in einem Heuhaufen verglichen wird, der ständig seine Form verändert. Jahrzehntelang haben sich Wissenschaftler auf zwei Hauptstrategien verlassen, um diese Nadeln zu entwerfen. Ein Ansatz betrachtet die chemische Form bereits bekannter, wirksamer Moleküle und verändert diese leicht, um zu sehen, ob sie besser werden. Der andere Ansatz betrachtet die dreidimensionale Form des Krankheitsziels selbst, wie ein Schloss, und versucht, einen Schlüssel zu entwerfen, der perfekt in dessen Vertiefungen passt. Obwohl beide Methoden nützlich sind, wurden sie traditionell getrennt gehalten. Künstliche Intelligenz hat begonnen, bei beiden Ansätzen zu helfen, aber die meisten Computerprogramme sind spezialisiert: Sie sind entweder gut darin, bestehende Chemikalien zu modifizieren, oder gut darin, neue Formen für ein spezifisches Schloss zu entwerfen, aber selten beides gleichzeitig. Diese Trennung zwingt Forscher dazu, Werkzeuge und Denkweisen zu wechseln, was den Entdeckungsprozess verlangsamt und verhindert, dass der Computer das vollständige Bild davon lernt, wie ein Wirkstoff mit einem Krankheitsziel interagiert.

Ein Forschungsteam hat nun ein neues System der künstlichen Intelligenz namens UniLingo3DMol vorgestellt, das diese Lücke schließt. Anstatt separate Werkzeuge für verschiedene Phasen des Wirkstoffdesigns zu verwenden, nutzt dieses System eine einzige, einheitliche Sprache, um Moleküle in drei Dimensionen zu beschreiben. Es kann völlig neue Wirkstoffkandidaten aus dem Nichts generieren oder einen spezifischen Teil eines bekannten Medikaments nehmen und ein neues Molekül darum herum aufbauen, während es gleichzeitig die komplexe dreidimensionale Form des Zielproteins im Blick behält. Die Forscher testeten dieses System an über einhundert verschiedenen biologischen Targets und fanden heraus, dass es eher als bestehende Computermodelle wirksame, medikamentenähnliche Moleküle produzieren konnte, die besser in ihre Zielstrukturen passen. Um zu beweisen, dass es in der realen Welt funktioniert, nutzte das Team das System, um einen neuen Inhibitor für ein Protein namens CBL-B zu entwergen, das an der Regulierung des Immunsystems beteiligt ist. Die resultierende Verbindung zeigte in Labortests eine starke Aktivität und konnte in Kombination mit einem bestehenden Immuntherapie-Antikörper das Tumorwachstum bei Mäusen um 76 Prozent reduzieren.

Die Kerninnovation dieser Arbeit liegt darin, wie der Computer ein Molekül „sieht“. Traditionelle Methoden beschreiben ein Molekül oft als flache Liste von Atomen und Bindungen, was es für den Computer schwierig macht, zu verstehen, wie dieses Molekül im dreidimensionalen Raum aussehen würde, wenn es versucht, in ein Protein zu passen. Das neue System verwendet einen Dual-Sequenz-Ansatz. Es zerlegt ein Molekül in bedeutungsvolle Stücke, wie etwa Ringe von Atomen oder Seitenketten, und beschreibt dann, wie diese Stücke miteinander verbunden sind, indem es einen Satz von Zeigern (Pointern) verwendet. Dies ermöglicht es dem Computer, die Reihenfolge der Stücke neu anzuordnen, ohne das Molekül zu zerstören, ganz ähnlich wie beim Mischen eines Kartendecks, während die Farben der Karten intakt bleiben. Diese Flexibilität ist entscheidend, da sie es dem System ermöglicht, gleichzeitig aus zwei sehr unterschiedlichen Arten von Daten zu lernen: dem riesigen chemischen Raum aller möglichen Moleküle und den spezifischen, hochauflösenden Strukturen von Molekülen, die bereits bekannt dafür sind, an Proteine zu binden.

Um das System zu trainieren, bauten die Forscher eine massive Datenbank namens RComplex auf, die Millionen von Protein-Ligand-Komplexen enthält. Sie organisierten diese Daten in drei Konfidenzniveaus, die von den sichersten Strukturen, die direkt durch Röntgenkristallographie bestimmt wurden, bis hin zu weniger sicheren Strukturen, die durch Computer-Docking vorhergesagt wurden, reichten. Der Trainingsprozess erfolgte in drei Stufen. Zuerst lernte das System die grundlegenden Regeln der Chemie und wie Atome sich im Raum anordnen, unter Verwendung einer Bibliothek von acht Millionen virtuellen Molekülen. Als Nächstes lernte es, wie diese Moleküle mit Proteintaschen interagieren, wobei es die weniger sicheren, aber reichlich vorhandenen Daten aus der Datenbank nutzte. Schließlich verfeinerte es sein Verständnis anhand der qualitativ hochwertigsten experimentellen Strukturen. Dieser schrittweise Ansatz stellte sicher, dass das System zuerst die fundamentale Sprache der Chemie lernte, bevor es versuchte, den komplexen Dialekt der Proteinbindung zu meistern.

Die Forscher evaluierten das System gegen sechs andere führende KI-Modelle anhand eines Standardsatzes von einhundert zwei Proteintargets. Das neue System übertraf alle von ihnen. Es generierte einen höheren Prozentsatz an molekülen, die wie echte Medikamente aussah, was bedeutet, dass sie die richtige Balance an Größe, Komplexität und chemischen Eigenschaften besaßen. Wichtiger noch war, dass die produzierten dreidimensionalen Formen mit größerer Präzision in die Proteintargets passten. Als die Forscher überprüften, ob die generierten Moleküle die Bindungsmuster bekannter aktiver Medikamente reproduzieren konnten, war das neue System in mehr als siebzig Prozent der Fälle erfolgreich – ein signifikanter Sprung gegenüber der Erfolgsrate von weniger als 35 Prozent der anderen Modelle. Es arbeitete zudem viel schneller und generierte fünfhundert valide Moleküle in etwa dreißig Sekunden, während die anderen Modelle für dieselbe Aufgabe zwischen dreizehn Minuten und über drei Stunden benötigten.

Um zu demonstrieren, dass dies nicht nur eine Computerübung war, wandte das Team das System auf eine spezifische Herausforderung an: das Design eines Inhibitors für CBL-B. Dieses Protein ist ein attraktives Ziel für die Krebsimmuntherapie, da es als Bremse im Immunsystem fungiert; es auszuschalten könnte dem Körper helfen, Krebs effektiver zu bekämpfen. Das Team begann mit einem bekannten Inhibitor, der an das CBL-B-Protein gebunden war, und bat das System, neue Moleküle zu generieren, die zwei spezifische Teile des ursprünglichen Wirkstoffs beibehalten, aber den Rest verändern, um eine bessere Passform zu finden. Das System generierte Hunderttausende von Kandidaten, die dann auf einige wenige vielversprechende Leitstrukturen gefiltert wurden. Eine dieser Strukturen, eine Verbindung, die sie Cmpd. 7 nannten, wurde synthetisiert und getestet. Sie zeigte eine starke Aktivität im Labor, und ihre Kristallstruktur bestätigte, dass sie genau so an das Protein bindet, wie der Computer es vorhergesagt hatte.

Aufbauend auf diesem Erfolg nutzten die Forscher das System erneut, um die Verbindung weiter zu optimieren. Sie behielten die Teile von Cmpd. 7 bei, die gut funktionierten, und baten das System, den verbleibenden Abschnitt neu zu gestalten, um die Interaktion mit dem Protein zu verbessern. Diese zweite Runde der Generierung brachte eine neue Leitstruktur hervor, Cmpd. 20. In Tests an Mäusen mit Tumoren zeigte Cmpd. 20 allein zwar eine gewisse Aktivität, aber in Kombination mit einem Standard-PD-1-Antikörper führte es zu einer Reduktion des Tumorwachstums um 76 Prozent. Die Verbindung wies zudem ein günstiges Sicherheitsprofil in frühen Tests auf, mit einer geringen Hemmung bestimmter Leberenzyme, die oft zu Wechselwirkungen mit Medikamenten führen. Der gesamte Prozess, von der anfänglichen Computergenerierung bis zum abschließenden Tierversuch, verdeutlichte, wie ein einheitlicher Ansatz den Weg von einer digitalen Idee zu einem potenziellen Medikament straffen kann.

Die Studie untersuchte auch die Grenzen der aktuellen Technologie. Obwohl das System hocheffektiv ist, stützt es sich auf statische Bilder von Proteinen, die in Wirklichkeit flexibel sind und sich im Körper bewegen. Die Forscher merkten an, dass zukünftige Versionen die Bewegung von Proteinen einbeziehen könnten, um die Designs noch robuster zu machen. Sie schlugen auch vor, dass das System verbessert werden könnte, indem es spezifische chemische Fragmente in Echtzeit aus externen Datenbanken abruft, was es ihm ermöglichen würde, sich an neue wissenschaftliche Entdeckungen anzupassen, ohne jedes Mal neu trainiert werden zu müssen. Diese potenziellen Upgrades deuten auf eine Zukunft hin, in der künstliche Intelligenz als kontinuierlicher Partner in der Wirkstoffforschung agiert und ihre Designs ständig lernt und verfeinert, sobald neue Daten verfügbar werden.

Der Erfolg von UniLingo3DMol legt nahe, dass die Zukunft des Wirkstoffdesigns vielleicht nicht in spezialisierten Werkzeugen für spezifische Aufgaben liegt, sondern in vereinheitlichten Systemen, die den gesamten Prozess bewältigen können. Indem die Forscher die künstliche Intelligenz dazu brachten, eine Sprache zu sprechen, die sowohl die Chemie des Moleküls als auch die Geometrie des Zielobjekts umfasst, haben sie ein Werkzeug geschaffen, das die komplexe Landschaft der Wirkstoffforschung effizienter als je zuvor navigieren kann. Die Fähigkeit, hochwertige, dreidimensionale Wirkstoffkandidaten in Sekundenschnelle zu generieren und diese in lebenden Organismen zu validieren, markiert einen bedeutenden Schritt nach vorn in der Anwendung künstlicher Intelligenz auf die menschliche Gesundheit. Die Arbeit zeigt, dass Computermodelle, wenn sie so konzipiert sind, dass sie das ganzheitliche Denken menschlicher Experten über das Wirkstoffdesign imitieren, Ergebnisse liefern können, die nicht nur theoretisch fundiert, sondern auch praktisch effektiv sind.