研究者たちは、薬物分子がどのように化学変化を起こすかを予測できる人工知能システムを開発しました。ドイツのミュンヘン工科大学（LMU）、チューリッヒ工科大学（ETH Zurich）、バーゼルに拠点を置くロシュ製薬研究早期開発（pRED）の共同チームは、人工知能（AI）を利用して、薬物分子を合成する最適な方法を予測するための新技術を設計した。
Nature Chemistry誌に掲載された該当論文の筆頭著者であるデイビッド・ニッパ氏は、「このアプローチは必要な実験室実験の数を大幅に削減できる可能性があり、それによって化学合成の効率と持続可能性が高まる」と述べた。 Nippa は、LMU の化学および薬学部、および Roche の David Konrad 博士の研究グループに所属する博士課程の学生です。
医薬品有効成分は通常、官能基が結合した骨格で構成されています。これらのグループは特定の生物学的機能を持っています。新しい、またはより良い医療効果を達成するには、機能グループを変更し、フレームワーク内の新しい位置に追加する必要があります。ただし、主に炭素原子と水素原子で構成される骨格自体はほとんど不活性であるため、このプロセスは化学の分野では特に困難です。
フレームワークを活性化する 1 つの方法は、いわゆるボリル化反応です。このプロセスでは、ホウ素を含む化学基が骨格の炭素原子に結合します。このホウ素基は、医療効果のあるさまざまな基に置き換えることができます。ホウ素化反応には大きな可能性がありますが、実験室で制御するのは困難です。
デビッド・ニパ氏は、チューリッヒ工科大学の博士課程学生であるケネス・アッツ氏と協力して、信頼できる科学的研究とロシュの自動化研究所からの実験データに基づいてトレーニングされた人工知能モデルを開発しました。あらゆる分子のホウ素化位置を首尾よく予測し、化学変換に最適な条件を提供します。 「興味深いことに、出発物質の 2 次元の化学式だけでなく、3 次元の情報を考慮すると予測が改善されました」と Artz 氏は述べています。
この方法は、追加の反応性基を導入できる既存の有効成分の位置を特定するために使用され、成功しています。これにより、研究者は既知の医薬品有効成分のより効果的な新規変異体をより迅速に開発することができます。
/scitechdaily から編集