Deutsch Französisch
Wissen ebi-aktuell KI-Medikamentenentwicklung: Zukunft oder Realität?

KI-Medikamentenentwicklung: Zukunft oder Realität? 

Künstliche Intelligenz (KI) macht auch vor der Medikamentenentwicklung nicht halt. So können z.B. modernste KI-Programme Wechselwirkungen von Proteinen mit kleinen Molekülen vorhersagen. Wissenschaftlerinnen und Wissenschaftler erhoffen sich so Wirkstoffe schneller und gezielter entwickeln zu können.

AI Darstellung

KI unterstützt bei der Suche nach dem geeigneten Zielmolekül

Um ein Medikament entwickeln zu können, gilt es zuerst herauszufinden, an welches Molekül (z.B. Protein) der Wirkstoff andocken muss, um einer Krankheit vorzubeugen. Diese Suche glich bis jetzt oft der sprichwörtlichen Suche nach der Nadel im Heuhaufen. Biotechnologinnen und Biotechnologen screenten dabei tausende natürliche Proteine nach einem passenden Wirkstoffkandidaten für ein bestimmtes Zielmolekül. War ein geeignetes Protein gefunden, wurde es modifiziert, um seine physikalischen und chemischen Eigenschaften zu optimieren und dann auf seine Wirksamkeit, Sicherheit und Effizienz getestet. Dieser Ablauf dauerte in der Regel ungefähr zwei Jahre und von allen so ausgewählten Wirkstoffkandidaten schafften anschliessend nur rund die Hälfte den Übergang in die klinische Phase.

Hier kann künstliche Intelligenz nun die Arbeit erleichtern. KI-Modelle für die Arzneimittel-entwicklung mit Namen wie AlphaFold oder RosettaFold läuteten ein neues Zeitalter ein: Sie errechnen, wie sich die Kette der Proteinbausteine zu einer dreidimensionalen Struktur zusammenfaltet. 2024 erhielten die Entwickler dieser Programme den Nobelpreis für Chemie.

Die neuesten Versionen dieser Programme gehen zudem noch einen Schritt weiter: Sie berechnen, wie das fragliche Protein mit einem anderen Molekül interagiert – einem Andockpartner oder «Ligand», wie Fachleute sagen. Das kann beispielsweise ein Wirkstoffmolekül sein.

KI zwar hilfreich, aber doch mit Vorsicht zu betrachten

Forschende der Universität Basel wollten herausfinden, ob diese KI-Modelle anhand der Trainingsdaten wirklich die physikalisch-chemischen Grundlagen lernen. Im Rahmen ihrer Forschung konnten sie nun aufzeigen, dass diese Programme nur Muster auswendig lernen, aber nicht physikalische Zusammenhänge verstehen. Die Forschenden um Prof. Dr. Markus Lill wurden stutzig durch die angeblich hohen Erfolgsquoten bei der Strukturvorhersage, gerade auch weil es für das Training dieser KI-Modelle nur etwa 100'000 aufgeklärte Strukturen von Proteinen zusammen mit ihren Liganden gibt, was relativ wenig ist im Vergleich zu anderen Trainingsdatensätzen für KI.

Um die KI zu testen, veränderten die Forschenden die Aminosäuresequenz hunderter Beispielproteine so, dass die Bindungsstelle für ihren Liganden eine völlig andere Ladungsverteilung aufwies oder sogar vollständig blockiert war. Dennoch sagten nun die KI-Modelle die gleiche Struktur voraus, als sei die Bindung nach wie vor möglich. Ähnlich verfuhren die Forschenden mit den Liganden: Sie veränderten diese so, dass sie eigentlich nicht mehr an das fragliche Protein andocken konnten. Die KI-Modelle störten sich auch daran nicht. In mehr als der Hälfte der Fälle sagten die KI-Modelle die Struktur so voraus, als hätte es die Eingriffe der Forschenden in die Aminosäureabfolge nie gegeben. Das bedeutet: Selbst modernste KI-Modelle verstehen nicht wirklich, warum ein Medikament an ein Protein bindet, sie erkennen nur Muster, die sie schon einmal gesehen haben. Für die Medikamentenentwicklung sind die KI-Modelle daher mit Vorsicht zu betrachten. Die Vorhersagen müssen auf alle Fälle mit Hilfe von Experimenten oder computergeschützten Analysen überprüft werden, welche die physikalisch-chemischen Eigenschaften berücksichtigen. Genau auf diese Weise prüften auch die Forschenden der Universität Basel im Zuge ihrer Studie die Ergebnisse der KI-Modelle. 

Wie kann KI in der Zukunft noch besser werden

Prof. Dr. Markus Lill sieht die Lösung darin, dass die physikalisch-chemischen Grundsätze in künftige KI-Modelle mit integriert werden. So könnten die Modelle dann mir realistischeren Strukturvorhersagen eine bessere Grundlage zur Entwicklung von neuen Medikamenten bieten.

Passende Links zum Thema:

KI entwirft neue Medikamente anhand von Proteinstrukturen | ETH Zürich

Originalpublikation der Universität Basel:

Investigating whether deep learning models for co-folding learn the physics of protein-ligand interactions | Nature Communications


Unsere ebi-pharm Podcast-Kanäle


Tags zum Bericht:
Blog

Ähnliche Beiträge

Das ebi-pharm Team Geschäftsentwicklung

Das Team Geschäftsentwicklung der ebi-pharm ist klein, aber fein. Nicolai Zanetti (Bereichsleiter Geschäftsentwicklung) und seine beiden Mitarbeiterinnen Linda Nafzger und Natalie Tannast sorgen unter anderem dafür, dass Projekte schneller umgesetzt werden ...

Pflanzenporträt: Weisser Schwalbenwurz

In unserer Serie Pflanzenporträt stellen wir Ihnen verschiedene Heilpflanzen näher vor. Dieses Mal möchten wir die Weisse Schwalbenwurz (Vincetoxicum hirundinaria) näher beleuchten.

Was bewegt die ebi im Herbst 2026

Dieses Mal sprechen wir mit ihm über die Reorganisation der verschiedenen Bereiche und über die Kosmetikmarke Biokosma, die sich bald in einem neuen Kleid präsentiert. Mit dabei ist auch Saskia Gerlach, Bereichsleiterin Aroma / Hautpflege.