Synthesis-aware generative design in trillion-scale chemical spaces for automated drug discovery
Het artikel introduceert Hyper Screening X, een generatief AI-framework dat structuurgebaseerd ontwerp integreert met geautomatiseerde synthesehardware om efficiënt door chemische ruimtes van biljoenen schalen te navigeren, waarbij succesvol eerste-in-class leadverbindingen zijn geïdentificeerd met hoge synthese- en functionele hitrates.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
De zoektocht naar nieuwe medicijnen is lang een spel van kansen geweest, gespeeld tegen een oceaan van mogelijkheden. Wetenschappers weten dat het chemische universum biljoenen potentiële moleculen bevat, een uitgestrekt landschap waar één enkele verbinding de sleutel kan bevatten tot het genezen van een ziekte. Decennialang was de standaardaanpak om enorme digitale bibliotheken van deze potentiële medicijnen te bouwen en computers te gebruiken om ze te screenen, op zoek naar moleculen die zouden kunnen passen op een biologisch doelwit, zoals een sleutel in een slot. Deze methode loopt echter tegen een muur aan. De computers suggereren vaak moleculen die er op het scherm perfect uitzien, maar die in een echt laboratorium onmogelijk te bouwen zijn, of ze slagen er niet in de zeldzame, perfecte kandidaten te vinden die verborgen liggen in de enorme hoeveelheid data. De kloof tussen wat een computer kan bedenken en wat een chemicus daadwerkelijk kan creëren, is een hardnekkige barrière gebleven voor snellere medicijnontwikkeling.
Een team van onderzoekers heeft deze kloof nu overbrugd met een nieuw systeem dat moleculen niet alleen bedenkt, maar ze specifiek ontwerpt om gebouwd te worden. Ze creëerden een kunstmatig intelligentie-framework genaamd Hyper Screening X, dat anders werkt dan eerdere tools. In plaats van een statische lijst met vooraf gemaakte opties te scannen, werkt dit systeem als een sturende architect. Het begrijpt de strikte regels van de chemische constructie en weet precies welke bouwstenen beschikbaar zijn en hoe deze in een echte laboratoriumomgeving verbonden kunnen worden. Door deze fysieke beperkingen direct in het denkproces te verankeren, verkent de AI een chemische ruimte van elf biljoen verbindingen, een aantal zo groot dat het een mensenleven zou duren om zelfs maar een fractie ervan te controleren. Het systeem verspilt geen tijd aan onmogelijke structuren; het navigeert door dit landschap van biljoenen door alleen moleculen te overwegen die door geautomatiseerde machines kunnen worden geassembleerd, waardoor elk idee dat het genereert klaar is voor de laboratoriumtafel.
Om te testen of deze aanpak in de echte wereld werkt, richtten de onderzoekers zich op een moeilijk biologisch doelwit: een eiwit genaamd SLC1A5_var, dat fungeert als een transporteur voor glutamine in de mitochondriën van cellen. Dit eiwit is cruciaal voor bepaalde soorten kanker, maar is berucht moeilijk aan te pakken met medicijnen vanwege de complexe structuur. Het team vroeg hun AI om moleculen te ontwerpen die dit eiwit zouden blokkeren en tegelijkertijd aan strikte veiligheids- en chemische standaarden zouden voldoen. Het systeem genereerde miljoenen kandidaten en selecteerde de beste drieentwintig op basis van hoe goed ze voorspeld werden te binden aan het doelwit en hoe gemakkelijk ze te synthetiseren waren. Deze drieentwintig ontwerpen werden vervolgens rechtstreeks naar een geautomatiseerd syntheseplatform gestuurd, een robotisch systeem dat moleculen bouwt zonder menselijke tussenkomst. Het resultaat was opmerkelijk: tweeëntwintig van de drieentwintig ontwerpen werden succesvol gebouwd, een succespercentage van bijna zesennegentig procent. Dit hoge succespercentage bewees dat de AI niet alleen gokte, maar ook accuraat voorspelde wat er fysiek gemaakt kon worden.
Zodra de moleculen in handen waren, testten de onderzoekers of ze daadwerkelijk werkten. Ze ontdekten dat elf van de tweeëntwintig gesynthetiseerde verbindingen het eiwit erin slaagden om zijn functie te blokkeren, een hitrate van vijftig procent die uitzonderlijk hoog is voor de vroege fase van medicijnontwikkeling. Twee van deze verbindingen vielen op als bijzonder veelbelovend. Ze waren in staat om het eiwit met hoge precisie te blokkeren, waardoor het transport van glutamine werd gestopt zonder gezonde cellen te beschadigen. Verdere experimenten onthulden hoe ze werkten: de verbindingen hechtten zich aan een verborgen plek op het eiwit, waardoor de structuur van het eiwit uit elkaar viel en de functie werd uitgeschakgescheld. Deze verstoring leidde tot een instorting van de energieproductie in kankercellen, waardoor ze effectief werden uitgehongerd. De twee leidende verbindingen vertoonden een krachtige activiteit bij zeer lage concentraties, waarbij één van hen slechts 231,2 nanomol nodig had om een halfmaximale effectiviteit te bereiken, en ze behielden een brede veiligheidsmarge, wat betekent dat ze kankercellen konden doden zonder normale cellen te beschadigen.
De betekenis van dit werk ligt in het vermogen om de abstracte kracht van kunstmatige intelligentie om te zetten in een concrete, fysieke realiteit. Eerdere methoden produceerden vaak lijsten met moleculen die er goed uitzagen op een computerscherm, maar faalden wanneer chemici probeerden ze te maken, of vereisten uitgebreide menselijke trial-and-error om een werkende oplossing te vinden. Dit nieuwe systeem heft die discontinuïteit op door het medicijn en het productieproces simultaan te ontwerpen. De onderzoekers hebben aangetoond dat door de regels van de chemie vanaf het begin te respecteren, zij een ruimte van elf biljoen mogelijkheden konden navigeren om zeldzame, effectieve oplossingen te vinden. De ontdekking van deze twee nieuwe verbindingen, die een voorheen 'onbehandelbaar' eiwit met hoge precisie aanpakken, suggereert dat de toekomst van medicijnontwikkeling niet gaat over het zoeken naar een naald in een hooiberg, maar over het bouwen van een machine die de naald zelf kan weven. Deze aanpak biedt een praktisch pad naar volledig autonome medicijnontwikkeling, waarbij de cyclus van ontwerpen, bouwen en testen naadloos verloopt, waardoor de reis van een wetenschappelijk idee naar een levensreddend medicijn wordt versneld.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.