Die neue Plattform half Wissenschaftlern der UC San Diego bei der Synthese von 32 potenziellen Multi-Target-Krebsmedikamenten.
Wissenschaftler der UC San Diego haben einen Algorithmus für maschinelles Lernen entwickelt, um die zeitaufwändige Chemie in den frühesten Phasen der Arzneimittelentwicklung zu simulieren, was den Prozess erheblich rationalisieren und Türen für noch nie dagewesene Behandlungen öffnen könnte. Die Identifizierung von Medikamentenkandidaten zur weiteren Optimierung erfordert in der Regel Tausende einzelner Experimente, aber die neue Plattform für künstliche Intelligenz (KI) könnte möglicherweise in einem Bruchteil der Zeit zu denselben Ergebnissen führen. Die Forscher nutzten das in Nature Communications beschriebene neue Tool , um 32 neue Medikamentenkandidaten gegen Krebs zu synthetisieren.
Die Technologie ist Teil eines neuen, aber wachsenden Trends in der pharmazeutischen Wissenschaft, KI zur Verbesserung der Arzneimittelforschung und -entwicklung einzusetzen.
Die neue Plattform mit dem Namen POLYGON ist einzigartig unter den KI-Tools für die Arzneimittelforschung, da sie Moleküle mit mehreren Zielen identifizieren kann, während bestehende Protokolle zur Arzneimittelentdeckung derzeit Einzelzieltherapien den Vorrang geben. Multi-Target-Medikamente sind für Ärzte und Wissenschaftler von großem Interesse, da sie die gleichen Vorteile wie eine Kombinationstherapie bieten können, bei der mehrere verschiedene Medikamente zusammen zur Behandlung von Krebs eingesetzt werden, jedoch mit weniger Nebenwirkungen.
KREDIT
Erik JepsenUC San Diego
