Maschinelles Lernen ermöglicht effizientere Entwicklung von Wirkstoffen

11.09.2019 - Deutschland

Das Konsortium des Projekts „In-silico Identifizierungs- und Optimierungsplattform für Biologics (ISOB)“ forscht an einer zukunftsweisenden Methode zur wirtschaftlichen und zielgerichteten Entwicklung von Wirkstoffen. Hauptinnovation daran ist eine Software, die anhand einer Datenbank von zuvor generierten biophysikalischen Daten, geeignete Wirkstoffkandidaten durch Maschinelles Lernen vorhersagen soll. Das Projekt wird im Rahmen des Zentralen Innovationsprogramm Mittelstand (ZIM) vom Bundesministerium für Wirtschaft und Energie für zwei Jahre gefördert.

Wenn neue Wirkstoffe entwickelt werden sollen, ist es notwendig, sogenannte biologische Leitstrukturen zu identifizieren, die in der Pharmaforschung als Ausgangspunkt für die weitere Konzeption eines Arzneistoff-Kandidaten dienen. Diese müssen eine Vielzahl von Kriterien erfüllen, um für eine spätere Zulassung in Frage zu kommen. Bis dato werden durch konventionelle Methoden relativ wenige Leitstrukturen mehr oder weniger zufällig selektiert, welche dann den Grundstein für die zu testenden Kandidaten legen. Durch die eingeschränkte Ausgangsbasis können aber vielversprechende potenzielle Wirkstoffe und Diagnostika unter Umständen gar nicht erst entdeckt werden.

Das Projekt „ISOB“ möchte die begrenzte und unspezifische Auswahl durch eine ökonomische und zielgerichtete Auswahl der Leitstrukturenvergrößern. Hierzu kombinieren die Projektpartner biophysikalische Daten einer großen Menge vorangegangener realer Experimente mit Algorithmen des Maschinellen Lernens. Damit soll einerseits die Vorhersage neuer Leitstrukturen und Wirkstoffe ermöglicht werden und andererseits große Teile einer langwierigen, teuren und fehleranfälligen Laborarbeit auf den Computer verlagert werden. In dem Projekt konzentrieren sich die Projektpartner zunächst auf die Substanzklasse der Peptide.

Die cloudbasierte Datenbank, die benötigten Ausgangsdaten sowie die Softwareplattform für die Optimierungen stellt im Projekt „ISOB“ die Firma NanoTemper Technologies GmbH zur Verfügung. Das Unternehmen übernimmt später auch die kommerzielle Verwertung der Ergebnisse. Der Projektpartner Dynamic Biosensors GmbH etabliert in „ISOB“ neue experimentelle Analyseplattformen, um die Peptide zu charakterisieren. Das Modul zur Vorhersage der Wirkstoffeigenschaften durch Maschinelles Lernen, wird von der Arbeitsgruppe von Prof. Dominik Heider von der Philipps-Universität Marburg entwickelt.

Das Projekt „ISOB“ wird ab dem 01. Oktober 2019 für zwei Jahre durch das BMWi gefördert und entstand innerhalb des ZIM-Kooperationsnetzwerks „MoDiPro“, in dem derzeit 15 Firmen und Forschungseinrichtungen mit neuen Methoden zur digitalen Prozessoptimierung in der Biotechnologie und Diagnostik kooperieren.

https://www.bionity.com/de/news/1162712/maschinelles-lernen-ermoeglicht-effizientere-entwicklung-von-wirkstoffen.html