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

HyperLab is een door HITS ontwikkeld, gebruiksvriendelijk AI-platform dat de drugontdekking versnelt door geavanceerde methoden zoals Hyper Binding en Hyper Screening te combineren met een intuïtieve interface, waardoor onderzoekers zonder specialistische kennis binnen 24 uur experimenteel gevalideerde, potentiele geneesmiddelen kunnen identificeren en optimaliseren.

De kern

HyperLab: De Slimme Robot-Assistent voor het Vinden van Nieuwe Medicijnen

Stel je voor dat het vinden van een nieuw medicijn lijkt op het zoeken naar de perfecte sleutel voor een heel specifieke, maar onbekende slot. In het verleden moesten onderzoekers duizenden sleutels (moleculen) één voor één proberen, wat jaren kon duren en een fortuin kostte.

HyperLab is een nieuw digitaal platform dat deze zoektocht volledig verandert. Het is alsof je een super-slimme robot-assistent krijgt die niet alleen duizenden sleutels in een seconde kan testen, maar ook zelf nieuwe, betere sleutels kan ontwerpen.

Hier is hoe het werkt, vertaald naar alledaagse taal:

1. De "Digitale Proeflokaal" (Het Platform)

HyperLab is een website die door het bedrijf HITS is gemaakt. Het is zo ontworpen dat je geen computerexpert of wiskundig genie hoeft te zijn om het te gebruiken. Het is als een gebruiksvriendelijke app voor je telefoon, maar dan voor het vinden van medicijnen. Je klikt op knoppen, en de AI doet het zware rekenwerk.

2. De Drie Superkrachten van HyperLab

Het platform heeft drie hoofdonderdelen, die we kunnen vergelijken met drie verschillende taken in een bouwproject:

• Hyper Binding (De "Pasvorm-Checker"):
  Stel je voor dat je een sleutel in een slot steekt. Hyper Binding kijkt precies hoe die sleutel past. Het voorspelt niet alleen of hij past, maar ook hoe goed hij draait en hoe stevig hij blijft zitten.

  • Het wonder: Normaal duurt dit soort berekeningen lang. Hyper Lab doet dit razendsnel en is zelfs nauwkeuriger dan oude methoden. Het kan zelfs een slot "reconstrueren" op basis van alleen een beschrijving (het eiwit), zonder dat je een foto van het slot nodig hebt.

• Hyper Screening (De "Naald in de Hooiberg"):
  Soms heb je een enorme berg met 11 biljoen (11.000.000.000.000) mogelijke sleutels. Dat is meer dan er zandkorrels op alle stranden ter wereld zijn!

  • De truc: Een mens kan die nooit controleren. Hyper Screening X gebruikt slimme AI om direct de beste 100 sleutels uit die hele berg te plukken. Het is alsof je een magneet door een berg ijzerzaagsel haalt en alleen de sterkste stukjes eruit trekt. In een experiment vonden ze binnen 24 uur al 5 werkende medicijnen uit een lijst van slechts 52 opties.

• Hyper Design (De "Architect"):
  Als je een sleutel hebt die bijna perfect is, maar net iets te groot of te klein, dan komt Hyper Design in actie. Het is als een architect die een bestaand huis neemt en er een extra kamer bijbouwt of de muren iets verplaatst om het nog comfortabeler te maken.

  • Het platform neemt een bestaand werkend molecuul en bedenkt automatisch nieuwe, betere versies ervan, terwijl het zorgt dat ze nog steeds makkelijk te maken zijn in een chemisch laboratorium.

3. De "Slimme Assistent"

Bovendien heeft HyperLab een AI-assistent (een soort slimme chatbot). Je kunt hem vragen: "Wat is de beste manier om dit molecuul te testen?" of "Teken een grafiek van de resultaten." Hij kent alle databases met medicijnen en kan je helpen met de moeilijke vragen, zodat je je kunt focussen op het grote plaatje.

Wat hebben ze bereikt? (Het Bewijs)

In een echte test gebruikten onderzoekers HyperLab om een nieuw medicijn te vinden tegen een ziekte.

1. Ze lieten de computer 52 kandidaten kiezen in één dag.
2. Ze testten deze in het lab en vonden er 5 die echt werkten.
3. Vervolgens liet de "Architect" (Hyper Design) nieuwe, nog betere versies ontwerpen.
4. Van de 5 nieuwe versies die ze daadwerkelijk maakten, bleken er 3 supersterk te werken.

Conclusie:
Vroeger kostte het vinden van zo'n medicijn jaren en miljoenen euro's. Met HyperLab deden ze dit in een paar dagen voor een fractie van de kosten. Het maakt geavanceerde medicijnontdekking toegankelijk voor iedereen, niet alleen voor de allerbeste computerwetenschappers. Het is de toekomst van het vinden van geneesmiddelen: sneller, slimmer en voor iedereen.

Technische samenvatting

Technische Samenvatting: Accelerating Drug Discovery met HyperLab

Probleemstelling
De traditionele proces van medicijnontdekking is vaak tijdrovend, kostbaar en vereist gespecialiseerde expertise in zowel computationele methoden (zoals AI en CADD) als experimentele chemie. Onderzoekers zonder diepgaande kennis van AI hebben moeite om geavanceerde structurele drug discovery-methoden toe te passen. Daarnaast zijn bestaande virtuele screening-methoden beperkt tot relatief kleine chemische ruimtes (vaak rond de 1 miljoen verbindingen), wat de kans op het vinden van nieuwe, hoogwaardige 'hits' verkleint. Er is behoefte aan een platform dat deze drempels verlaagt, de workflow stroomlijnt en toegang biedt tot enorme chemische ruimtes zonder dat complexe technische kennis vereist is.

Methodologie: Het HyperLab-platform
HyperLab is een webgebaseerd, door AI-aangedreven platform ontwikkeld door HITS dat de volledige pipeline voor structurele drug discovery (SBDD) integreert. Het platform is ontworpen voor gebruik door farmaceutische onderzoekers zonder speciale AI-achtergrond, dankzij een intuïtieve UI/UX.

De kernmethodologie omvat de volgende modules:

1. Hyper Binding: Voorspelt de bindingspositie (pose) en affiniteit van ligand-proteïne complexen. Het maakt gebruik van een fysisch geïnformeerde deep learning-modellen. Voor proteïnen zonder experimentele structuur gebruikt het een 'Co-folding'-techniek die direct de proteïne-structuur en de bindingsconformatie voorspelt op basis van sequentie-informatie.
2. Hyper Screening & Hyper Screening X:
   • Hyper Screening: Virtuele screening van bestaande bibliotheken (tot 1 miljoen verbindingen) met automatische selectie van de top 500 hits.
   • Hyper Screening X: Een generatieve AI-service die een virtuele bibliotheek van 11 biljoen (11 trillion) moleculen scant. In plaats van alle moleculen individueel te berekenen, gebruikt het GFlowNet-modellen om combinaties van bouwstenen te genereren die voldoen aan specifieke bindingscores en eigenschappen (zoals MW, LogP, TPSA).
3. Hyper Design: Een module voor het optimaliseren van 'hits' tot 'leads'. Het transformeert bestaande scaffolds naar nieuwe derivaten met verbeterde bindingscores, rekening houdend met syntheseerbaarheid en het vermijden van patentgebieden.
4. Covalente Binding: Specifieke modules voor covalente drug discovery, inclusief automatische aanbeveling van reactieve 'warheads' en residuen, en voorspelling van covalente complexen.
5. Hyper ADME/T: Voorspelt 19 farmacologische en fysisch-chemische eigenschappen (zoals solubiliteit, CYP-inhibitie, hERG-inhibitie en BBB-penetratie) om de drug-likheid te beoordelen.
6. SAR-analyse & AI-assistent: Een geïntegreerde module voor Structure-Activity Relationship (SAR) analyse die R-groepen decomposeert en experimentele data koppelt aan voorspellingen. Een gespecialiseerde AI-assistent (op basis van Claude 3.7) helpt bij het uitvoeren van workflows, het opvragen van databases en het genereren van grafieken.

Belangrijkste Bijdragen

• Democratisering van AI: Het platform maakt geavanceerde structurele drug discovery toegankelijk voor experimentele onderzoekers zonder CADD-achtergrond.
• Schaling naar Trillioenen: Hyper Screening X opent de deur naar een chemische ruimte van 11 biljoen moleculen, wat een enorme stap vooruit is ten opzichte van conventionele methoden.
• Geïntegreerde Workflow: Het combineert hit-identificatie, lead-optimalisatie, covalente design en ADMET-voorspelling in één cohesive omgeving, wat de fragmentatie in traditionele workflows wegneemt.
• Co-folding Technologie: Het vermogen om bindingsconformaties direct te voorspellen vanuit sequenties (zonder PDB-structuur) versnelt de workflow aanzienlijk.

Resultaten
Het paper presenteert uitgebreide benchmarkresultaten en een gevalideerde casestudy:

• Pose Voorspelling: Op de PoseBuster v2 benchmark bereikte Hyper Binding (met bindingsinformatie) 77% nauwkeurigheid. Dit is een verbetering ten opzichte van traditionele docking-methoden (bijv. Vina: 58%) en komt dicht in de buurt van AlphaFold3 (84%), maar is aanzienlijk sneller (3 minuten versus 15 minuten per complex).
• Affiniteitsvoorspelling: Op twee FEP-datasets (Free Energy Perturbation) behaalde Hyper Binding de hoogste Pearson-correlatiecoëfficiënten (0,70 en 0,53), superieur aan zowel deep learning-modellen als fysisch gebaseerde docking-methoden.
• Covalente Screening: Covalent Hyper Binding behaalde een pose-predictienauwkeurigheid van 88,7% (tegenover ~48% voor conventionele tools) en toonde de sterkste verrijking (EF@10%) in virtuele screenings voor Mpro en KRAS targets.
• Experimentele Validatie (Casestudy):
  • Screening: Binnen 24 uur werden 52 top-verbindingen geselecteerd uit een screening. Vijf hiervan toonden IC50-waarden tussen 70 en 600 nM (een hit-rate van ~9%).
  • Design: Via Hyper Design werden nieuwe derivaten ontworpen. Van 5 gesynthetiseerde verbindingen toonden er 3 meer dan 75% inhibitie bij 1 µM (IC50 200-400 nM).
  • Vergelijking: De workflow reduceerde het aantal benodigde testputten van een geschatte 200.000 (bij traditionele HTS) naar slechts 100 putten, terwijl de farmacologische relevantie behouden bleef.

Betekenis en Impact
HyperLab vertegenwoordigt een transformatieve stap in de AI-gedreven drug discovery. Het bewijst dat het mogelijk is om de tijd, kosten en expertise-drempels van moderne medicijnontdekking drastisch te verlagen. Door de combinatie van state-of-the-art AI-modellen, een gebruiksvriendelijke interface en de capaciteit om trillioenen moleculen te screenen, stelt het platform onderzoekers in staat om sneller van een target naar een experimenteel gevalideerde 'lead' met nanomolaire potentie te gaan. De succesvolle casestudy bevestigt dat in-silico ontwerpen direct kunnen worden omgezet in experimenteel bewezen resultaten, wat de efficiëntie van de vroege fasen van drug discovery aanzienlijk verhoogt.