Bei vielen Molekülen kann nicht so leicht von der Struktur auf die Funktion geschlossen werden. (Bild: Alexander Raths - Fotolia)
Der neue Ansatz der generativen Biologie, bei dem Amgen KI- und ML-basierte Computermodelle (künstliche Intelligenz und maschinelles Lernen) einsetzt, verkürzt nicht nur den Entwicklungszeitraum. Die Forschungsteams des Biotechunternehmens können mittels der Computermodelle auch bessere Vorhersagen über die Eigenschaften von Proteinen treffen und einschätzen, inwieweit sie erfolgreiche Wirkstoffkandidaten sind. Das Biotechunternehmen verknüpft die Computermodelle mit dem bestehenden automatisierten Hochdurchsatzverfahren im Labor.
Wie wird KI für die Arzneimittelforschung trainiert?
KI-Modelle, wie Chat-GPT, werden auf bestehende Daten trainiert, um neue Texte, Bilder oder andere Arten von Daten zu generieren. Die generativen Computermodelle in der Arzneimittelentwicklung trainieren Forschende hingegen mit Aminosäuresequenzen und Daten über Proteinstrukturen und -funktionen. Laut Dr. Stefan Kropff, Medizinischer Direktor bei Amgen, könne das Unternehmen auf Datenmengen der letzten 40 Jahre zurückgreifen, um die Computermodelle zu trainieren. Auf diese Weise können die Modelle molekulare Ziele identifizieren sowie Eigenschaften wie Wirksamkeit, Sicherheit und Effizienz der Proteinwirkstoffe vorhersagen.
