Forscher leisten Pionierarbeit bei der Entwicklung neuer Methoden maschinellen Lernens für Entdeckungen in der Chemie
Maschinelles Lernen kann bei der Identifizierung von Arzneimittelkandidaten helfen
Prof. Alexandre Tkatchenko und sein Forschungsteam an der Universität Luxemburg haben Zuschüsse in Höhe von insgesamt 500.000 Euro für die Forschung auf dem Gebiet des maschinellen Lernens für Entdeckungen in der Chemie erhalten.
Symbolbild
geralt, pixabay.com
Die Entdeckung und Entwicklung neuer Medikamente, antiviraler Mittel, Antibiotika und allgemein von Chemikalien mit spezifischen Eigenschaften ist ein langer und mühsamer Prozess. Dies kann sich durch interdisziplinäre Forschung in den Bereichen Biochemie, Physik und Informatik ändern. Die Entwicklung neuer Methoden maschinellen Lernerns (ML), kombiniert mit Grundprinzipien der Quanten- und statistischen Mechanik, und geschult mittels immer häufiger verfügbaren großen molekularen Datensätzen, weist das Potenzial auf, den Prozess von Entdeckungen im chemischen Bereich zu revolutionieren.
„Entdeckungen in der Chemie und maschinelles Lernen entwickeln sich zwangsläufig gemeinsam weiter, aber um eine echte Synergie zwischen ihnen zu erreichen, müssen viele noch ausstehende Fragestellungen gelöst werden“, sagt Alexandre Tkatchenko, Professor für Theoretische Chemische Physik an der Universität Luxemburg.
Maschinelles Lernen kann bei der Identifizierung von Arzneimittelkandidaten helfen
Im Frühjahr 2020 begann die Universität eine Zusammenarbeit mit dem belgischen Unternehmen Janssen Pharmaceuticals, um neuartige ML-Methoden zur Identifizierung von chemischen Verbindungen mit starkem therapeutischem Potenzial (auch Arzneimittelkandidaten genannt) zu entwickeln. Bislang wurden ML-Ansätze für kleine Moleküle entwickelt. Dieses Forschungsprojekt zielt darauf ab, die Struktur und Übertragbarkeit von auf der Quantenmechanik basierenden maschinellen Lernansätzen auf große Moleküle von pharmazeutischer Bedeutung auszuweiten.
„Die Herstellung neuartiger Chemikalien mit Wirkung auf relevante biologische Ziele stellt das Kerngeschäft von Pharmaunternehmen dar. Ansätze maschinellen Lernens haben das Potenzial, den Prozess zu beschleunigen und die Fehlerraten bei der Arzneimittelentdeckung zu verringern. Dass ein führendes Pharmaunternehmen an uns herangetreten ist, um gemeinsam an der Identifizierung von Arzneimittelkandidaten zu arbeiten, ist ein erfreuliches Zeichen für die industrielle Anerkennung unserer Expertise“, erklärt Dr. Leonardo Medrano-Sandonas, ein Postdoktorand in der Gruppe um Prof. Tkatchenko, der im Gemeinschaftsprojekt mit Janssen Pharmaceuticals mitarbeitet.
Partner in einem von der Europäischen Kommission finanzierten innovativen Forscher-Ausbildungsnetz
Zusammen mit drei großen europäischen Pharmaunternehmen (Bayer, AstraZeneca, Janssen), dem Chemieunternehmen Enamine und zehn wissenschaftlichen Partnern mit Fachkenntnissen im Bereich des Computer-gestützten Wirkstoffdesigns hat Prof. Tkatchenko im Rahmen des Marie Skłodowska-Curie Actions – Innovative Training Network Zuschüsse für das Projekt Advanced machine learning for Innovative Drug Discovery (AIDD) für den Zeitraum 2021–2023 erhalten. Dieses Projekt zielt darauf ab, innovative ML-Methoden zu entwickeln, um zu einem integrierten „One Chemistry“-Modell beizutragen, das Ergebnisse von der Molekülgenerierung bis zur Synthese vorhersagen und verstehen kann, und wie Chemie und Biologie zur Entwicklung neuer Medikamente ineinander verflochten werden können.
Hier schließen sich wissenschaftliche Expertise und medizinische und synthetische Chemiekompetenz der Industriepartner zusammen, um von großen wertvollen Datensätzen zu profitieren. Zum ersten Mal werden alle methodischen Entwicklungen als Open Source verfügbar sein. Das Ausbildungsnetz wird eine Generation von Wissenschaftlern, die sowohl über Kompetenzen im maschinellen Lernen als auch in der Chemie verfügen, darauf vorbereiten, die medizinische Chemie voranzubringen.
„Die Erstellung präziser Vorhersagen mit Hilfe des maschinellen Lernens hängt entscheidend vom Zugang zu großen, hochwertigen Datensammlungen und von der Fachkompetenz in der Analyse dieser Daten ab“, erklärt Prof. Tkatchenko. „Die Bündelung unserer Kräfte ist ein erster Schritt auf dem Weg zu einer Revolution im Bereich der Entdeckungen in der Chemie, die durch maschinelles Lernen vorangetrieben wird.“
Der Bereich des maschinellen Lernens für chemische Entdeckungen ist noch jung. Für die nahe Zukunft werden zahlreiche wesentliche Fortschritte erwartet. Prof. Tkatchenko hat kürzlich einen Artikel in dem Journal Nature Communications veröffentlicht, in dem er die jüngsten Durchbrüche in diesem immer wichtiger werdenden Bereich diskutiert und die Herausforderungen für die kommenden Jahre hervorhebt.
Originalveröffentlichung
Weitere News aus dem Ressort Wissenschaft
![[Fe]-Hydrogenase-Katalyse mittels Parawasserstoff-verstärkter Kernmagnetresonanzspektroskopie sichtbar gemacht](https://img.chemie.de/Portal/News/675fd46b9b54f_sBuG8s4sS.png?tr=w-712,h-534,cm-extract,x-0,y-16:n-xl)
Holen Sie sich die Chemie-Branche in Ihren Posteingang
Ab sofort nichts mehr verpassen: Unser Newsletter für die chemische Industrie, Analytik, Labor und Prozess bringt Sie jeden Dienstag und Donnerstag auf den neuesten Stand. Aktuelle Branchen-News, Produkt-Highlights und Innovationen - kompakt und verständlich in Ihrem Posteingang. Von uns recherchiert, damit Sie es nicht tun müssen.
