AI megtanulta a stabil molekulaformákat gyógyszerkutatáshoz
A New York-i egyetem kutatói egy mesterséges intelligencia modellt fejlesztettek, amely 1,1 millió kristályszerkezeti adat alapján tanulva azonosítja az organikus molekulák stabil tautomerformáit, és így felgyorsítja az új gyógyszerek keresését.
Az organikus molekulák között gyakran előfordulnak úgynevezett tautomerek – olyan szorosan kapcsolódó formák, amelyek azonos összetételűek, de egy hidrogénatom helyzete és a kötésminta eltér. Ez a látszólag apró különbség számítógépes modellezésben kritikus, mivel befolyásolja, hogy egy potenciális hatóanyag hogyan kötődik a fehérjékhez. A New York-i Egyetem kutatói – vezetésével Xiaolin Pan – a Cambridge Structural Database-ből több mint 1,1 millió magas felbontású kristályszerkezetet gyűjtöttek, amelyekben a hidrogénatomok pozíciói láthatók voltak. Ezekre az adatokra egy kétdimenziós gráf-neurális hálózatot tanítottak, amely közvetlenül a molekulaszerkezetből képes előrejelezni a stabil tautomerformákat, anélkül hogy háromdimenziós konformációkat vagy kvantummechanikai számításokat kellene végezni.
A modell tesztjei során 0,97-es visszahívási értéket és 0,88-as pontosságot ért el a kristályszerkezetek, vizes oldatok és gyógyszerszerű molekulák kombinált tesztkészletén. Az 5075 ligand vizsgálatakor az AI 126 esetben (körülbelül 2,5 százalék) valószínűleg helytelen tautomer-hozzárendeléseket azonosított az adatbázisban, ahol az alternatív forma kedvezőbb hidrogénkötéseket és kevesebb kielégítetlen poláris atomot mutatott. Az új eljárás különösen nagy molekulakönyvtárakban mutatja meg erősségét: a Tautomer-Predictor nevű, szabadon elérhető eszköz képes több millió vegyületet feldolgozni néhány óra alatt, így gyorsítva fel a szerkezetalapú gyógyszerkutatást.
Forrás: Scinexx — „KI findet stabile Molekülformen für neue Medikamente - Scinexx”
Ez az összefoglaló a fenti forrás alapján, mesterséges intelligenciával készült. Szerkesztőségi ellenőrzésen nem esett át; a részletekért olvasd el az eredeti cikket.