In een belangrijke stap voorwaarts in farmaceutisch onderzoek hebben wetenschappers van The Ohio State University een kunstmatig intelligentiesysteem ontwikkeld dat de manier waarop nieuwe medicijnen worden ontwikkeld kan revolutioneren.
Het nieuwe generatieve AI-model, genaamd DiffSMol, werd ontwikkeld door een team onder leiding van professor Xia Ning van de afdelingen biomedische informatica en computerwetenschappen en -techniek van de universiteit. DiffSMol werkt door de vormen van bekende liganden – moleculen die zich binden aan eiwitdoelen – te analyseren en deze vormen als uitgangspunt te gebruiken om volledig nieuwe 3D-moleculen met verbeterde bindingskenmerken te genereren.
"Door gebruik te maken van bekende vormen als voorwaarde, kunnen we ons model trainen om nieuwe moleculen te genereren met vergelijkbare vormen die nog niet in bestaande chemische databases voorkomen," legt Ning uit. De effectiviteit van het systeem is opmerkelijk: bij het creëren van moleculen die de medicijnontwikkeling kunnen versnellen, behaalde DiffSMol een succesratio van 61,4%, waarmee het eerdere onderzoekspogingen die slechts ongeveer 12% succes kenden, ruimschoots overtreft.
De onderzoekers toonden de capaciteiten van DiffSMol aan met casestudy's op moleculen die zich richten op cycline-afhankelijke kinase 6 (CDK6), dat celcycli kan reguleren en de groei van kanker kan verstoren, en neprilysine (NEP), dat wordt ingezet bij therapieën om de progressie van Alzheimer te vertragen. De resultaten lieten zien dat de door AI gegenereerde moleculen waarschijnlijk zeer effectief zouden zijn: DiffSMol presteerde 13,2% beter dan basismethoden op het gebied van bindingsaffiniteit, en zelfs 17,7% beter wanneer vormgeleiding werd toegepast.
Deze doorbraak komt op het moment dat de FDA nieuwe regelgevingskaders opstelt voor het gebruik van AI bij medicijnontwikkeling. In januari 2025 publiceerde het agentschap een conceptleidraad getiteld "Overwegingen voor het Gebruik van Kunstmatige Intelligentie ter Ondersteuning van Regelgevende Besluitvorming voor Geneesmiddelen en Biologische Producten", met aanbevelingen voor het gebruik van AI bij regelgevende beslissingen over de veiligheid, effectiviteit en kwaliteit van geneesmiddelen.
Terwijl traditionele medicijnontwikkeling doorgaans ongeveer tien jaar duurt van ontdekking tot marktintroductie, kunnen AI-gedreven benaderingen zoals DiffSMol deze tijdlijn aanzienlijk verkorten. Het onderzoeksteam heeft de code van DiffSMol beschikbaar gesteld aan andere wetenschappers, al erkennen zij huidige beperkingen – het systeem kan momenteel alleen nieuwe moleculen genereren op basis van de vormen van reeds bekende liganden, een beperking die ze in toekomstig onderzoek hopen te overwinnen.