Um ein neues Wirkstoffmolekül zu ermitteln, gehen Wissenschaftler:innen nach dem Trial-and-Error-Prinzip vor: Sie leiten aus bereits bekannten chemischen Reaktionen mögliche neue Wege für die Herstellung ab. Diese testen sie dann einzeln experimentell aus. Diese Prozesse sind nicht nur mit einem hohen Aufwand, sondern auch mit einer hohen Fehlschlagquote verbunden.

Abhilfe soll ein Gemeinschaftsprojekt der ETH Zürich mit Roche Pharma Research and Early Development (Roche) schaffen können. Das KI-basierte Verfahren soll dabei helfen, die jeweils beste Synthesemethode mit deren Erfolgsquote zu ermitteln.

Zur Entwicklung von Wirkstoffen

Pharmazeutische Wirkstoffe bestehen aus einem Kohlenstoff-Gerüst, an das funktionelle Gruppen gebunden sind. Diese ermöglichen eine ganz bestimmte biologische Funktion. Das Gerüst hat die wichtige Aufgabe, die funktionellen Gruppen in eine bestimmte geometrische Ausrichtung zu bringen. Dadurch können die Gruppen gezielt wirken. Chemisch betrachtet ist das Platzieren einer funktionellen Gruppe schwierig. Funktionelle Atome wie Sauerstoff, Stickstoff oder Chlor können wegen der chemischen Trägheit der Gerüste nur schwer angebracht werden.

Damit das trotzdem funktioniert, müssen die Gerüste über einen chemischen Zwischenschritt aktiviert werden. Eine solche Aktivierungsmethode ist die sogenannte Borylierung: Eine chemische Gruppe, die das Element Bor enthält, wird an ein Kohlenstoff-Atom des Gerüsts gebunden. In einem weiteren Schritt lässt sich die Bor-Gruppe durch eine medizinisch wirksame Gruppe austauschen.

Die Aufgabe der KI

Die KI soll alle potenziellen Borylierungsstellen in einem neuen Molekül identifizieren. Dafür wurde sie in Trainings mit 38 ausgewählten Arbeiten gefüttert, die insgesamt 1380 Borylierungs-Reaktionen beschreiben. Der Datensatz wurde darüber hinaus um 1000 Reaktionen ergänzt. Diese stammen aus einem automatisierten Labor der medizinal-chemischen Forschung von Roche.

Überprüft wurden die KI-Ergebnisse im Labor anhand von sechs bekannten Wirkstoffmolekülen. In fünf von sechs Fällen konnte die Prognose des Programms im Experiment bestätigt werden. Ebenso zuverlässig ist die KI in der Vorhersage von Gerüststellen, an denen keine Aktivierung möglich ist. Darüber hinaus gibt das Programm die jeweils optimalen Bedingungen für die Aktivierungsreaktion an. Hervorzuheben ist, dass die Prognose der KI zuverlässiger war, wenn eine dreidimensionale Information der Ausgangsstoffe genutzt wurde.

Weiterentwicklung und Ausblick

Während Roche die KI bereits erfolgreich einsetzt, denken Forschende der ETH Zürich bereits an neue Anwendungsmöglichkeiten. Beispielsweise könnte ein KI-Modell weitere Aktivierungsreaktionen finden. Darüber hinaus wollen die Wissenschaftler:innen weitere zuverlässige Reaktionen in die bestehende KI speisen. Dadurch soll sie noch zuverlässiger werden.