Harvard hat ein KI-Tool entwickelt, das Gen- und Medikamentenkombinationen lokalisiert, die in der Lage sind, Krankheiten in Zellen umzukehren.
Forscher der Harvard Medical School haben ein KI-Tool entwickelt, das die Arzneimittelforschung revolutionieren könnte. PDGrapher kann Gen- und Medikamentenkombinationen identifizieren, die erkrankte Zellen wiederherstellen und so neue Möglichkeiten für die Behandlung von Krebs und neurodegenerativen Erkrankungen eröffnen. Die Forschungsergebnisse wurden in Nature Biomedical Engineering veröffentlicht.
Bei der traditionellen Arzneimittelforschung werden oft Hunderte chemischer Verbindungen getestet, in der Hoffnung, dass sich eine davon als wirksam erweist.
„Die traditionelle Arzneimittelforschung ist wie das Probieren von Hunderten Fertiggerichten, um dasjenige zu finden, das zufällig perfekt schmeckt“, sagt Dr. Marinka Zitnik , Hauptautorin der Studie und Assistenzprofessorin für Biomedizinische Informatik am Blavatnik Institute der Harvard Medical School. „PDGrapher arbeitet wie ein Meisterkoch, der weiß, wie ein Gericht schmecken sollte und genau weiß, wie die Zutaten kombiniert werden müssen, um den gewünschten Geschmack zu erzielen.“
Das neue Tool ist ein Graph-Neural-Netzwerk, das nicht nur einzelne Datenpunkte, sondern auch die Verbindungen zwischen ihnen analysiert. In der Biologie bedeutet dies, die Beziehungen zwischen Genen, Proteinen und Signalwegen abzubilden und dann vorherzusagen, welche Medikamentenkombinationen den Krankheitsverlauf in Zellen umkehren können.
Anstatt alle möglichen Substanzen aus der Datenbank zu testen, identifiziert PDGrapher nur diejenigen Ziele, die am wahrscheinlichsten die gesunde Zellfunktion wiederherstellen. Das Modell simuliert, was passiert, wenn bestimmte Gene oder Proteine deaktiviert werden, und prüft, ob sich die Zelle weiterhin so verhält, als wäre sie krank.
Um die Wirksamkeit des Modells zu testen, nutzten die Forscher 19 Datensätze zu elf Krebsarten. PDGrapher identifizierte korrekt Angriffspunkte für bestehende Medikamente und identifizierte darüber hinaus weitere Kandidaten, deren Wirksamkeit durch aktuelle Studien belegt wird. Beispiele hierfür sind KDR (VEGFR2), ein Angriffspunkt für die Therapie von nicht-kleinzelligem Lungenkrebs, und TOP2A, ein Enzym, das bereits Ziel von Chemotherapien ist und dessen Blockierung die Metastasierung hemmen kann.
Das Modell übertraf andere Tools – die Klassifizierungsgenauigkeit war bis zu 35 % höher und die Zeit bis zum Erhalt der Ergebnisse war bis zu 25-mal kürzer als bei vergleichbaren Methoden.
Siehe auch:
PDGrapher könnte insbesondere bei Krankheiten eine wichtige Rolle spielen, bei denen mehrere biologische Mechanismen den Krankheitsverlauf beeinflussen, wie etwa Krebs und neurodegenerative Erkrankungen. Das Team testet den PDGrapher bereits in Studien zu Parkinson und Alzheimer sowie in Zusammenarbeit mit dem Massachusetts General Hospital an der seltenen X-chromosomalen Dystonie.
„Unser ultimatives Ziel ist es, einen klaren Fahrplan zu erstellen, der mögliche Wege aufzeigt, die Krankheit auf zellulärer Ebene umzukehren“, betont Zitnik.
Diese Entdeckung könnte die Entwicklung personalisierter Therapien deutlich beschleunigen. Da PDGrapher spezifische Testziele identifiziert, verkürzt es Testzeit und -kosten und liefert gleichzeitig neue Erkenntnisse zu Krankheitsmechanismen. Wie die Forscher anmerken, könnte das Tool die Grundlage für ein neues Paradigma in der Pharmakologie bilden – weg vom Prinzip „ein Ziel, ein Medikament“ hin zu komplexen, präzisen therapeutischen Kombinationen.
politykazdrowotna
