{"id":15904,"date":"2024-10-24T07:38:32","date_gmt":"2024-10-24T07:38:32","guid":{"rendered":"https:\/\/lamarr-institute.org\/?p=15904"},"modified":"2024-11-06T15:32:58","modified_gmt":"2024-11-06T15:32:58","slug":"ki-chemisches-chatgpt-arzneimittelentwicklung","status":"publish","type":"post","link":"https:\/\/lamarr-institute.org\/de\/news\/ki-chemisches-chatgpt-arzneimittelentwicklung\/","title":{"rendered":"Forschende am Lamarr-Institut und b-it entwickeln \u201eChemisches ChatGPT\u201c zur Beschleunigung der Arzneimittelentwicklung"},"content":{"rendered":"\n

Forschende des Lamarr-Instituts und des Bonn-Aachen International Center for Information Technology (b-it) der Universit\u00e4t Bonn haben einen bedeutenden Durchbruch erzielt, indem sie ein KI-basiertes Modell entwickelt haben, das potenzielle Wirkstoffe mit einzigartigen therapeutischen Eigenschaften vorhersagen kann. Mithilfe eines fortschrittlichen chemischen Sprachmodells \u2013 im Grunde ein \u201eChatGPT f\u00fcr Molek\u00fcle\u201c \u2013 trainierte das Team die KI, pr\u00e4zise chemische Strukturformeln zu erzeugen, die besonders wirksame Medikamente erm\u00f6glichen k\u00f6nnten. Die von Prof. Dr. J\u00fcrgen Bajorath<\/a>, Lamarr Area Chair Life Sciences<\/a> sowie Professor und Lehrstuhlinhaber f\u00fcr Life Science Informatics<\/a> am b-it\/Universit\u00e4t Bonn geleitete Studie wurde in Cell Reports Physical Science ver\u00f6ffentlicht.<\/p>\n\n\n\n

Herausforderungen der Polypharmakologie mit KI meistern<\/h2>\n\n\n\n

Prof. Dr. J\u00fcrgen Bajorath, der das interdisziplin\u00e4re Forschungsgebiet Life Sciences am Lamarr-Institut leitet, betonte die Bedeutung dieses Modells f\u00fcr die pharmazeutische Forschung. \u201eIm Bereich der Arzneimittelentwicklung sind dual wirksame Medikamente aufgrund ihrer polypharmakologischen Effekte besonders begehrt. Diese Verbindungen k\u00f6nnen gleichzeitig mehrere zellul\u00e4re Prozesse und Signalwege beeinflussen, was sie gegen komplexe Krankheiten wie Krebs besonders effektiv macht\u201c, erkl\u00e4rte Bajorath. Die Entwicklung solcher anspruchsvollen Molek\u00fcle bleibt jedoch eine gro\u00dfe Herausforderung.<\/p>\n\n\n\n

Das KI-Modell, das mit \u00fcber 70.000 Molek\u00fclpaaren trainiert wurde, wurde darauf ausgelegt, Verbindungen zu erzeugen, die an zwei verschiedene Zielproteine binden k\u00f6nnen. Dual-Target-Inhibitoren bieten im Vergleich zur Kombination einzelner Wirkstoffe ein synchroneres pharmakokinetisches Profil und minimieren das Risiko von Wechselwirkungen zwischen den Medikamenten.<\/p>\n\n\n\n

Innovativer KI-Ansatz in der Arzneimittelforschung am Lamarr<\/h2>\n\n\n\n

Das KI-Modell basiert auf dem Konzept der Triangul\u00e4ren KI des Lamarr-Instituts, das heterogene Daten aus den Lebenswissenschaften, verschiedene wissenschaftliche Kontexte und interdisziplin\u00e4res Wissen integriert, um ma\u00dfgeschneiderte pr\u00e4diktive Modelle zu schaffen. Nach der initialen Trainingsphase wurde das Modell weiter optimiert, um sich auf verschiedene Enzym- und Rezeptorklassen zu spezialisieren, was zu einer pr\u00e4zisen Erzeugung dualer Inhibitoren f\u00fchrte.<\/p>\n\n\n\n

Prof. Bajorath erkl\u00e4rt: \u201eEs generiert gewisserma\u00dfen \u201aout-of-the-box\u2018-Ideen und kommt so auf originelle L\u00f6sungen, die die Pharma-Forschung zu neuen Ans\u00e4tzen inspirieren k\u00f6nnen.\u201c Dadurch er\u00f6ffnet das Modell kreative M\u00f6glichkeiten in der Arzneimittelforschung und erweitert die Perspektiven f\u00fcr neue Designhypothesen und Ans\u00e4tze.<\/p>\n\n\n