Medikamentenforschung

Künstliche Intelligenz sucht Waffen gegen Corona

(Bild: ©ipopba - stock.adobe.com)

Wissenschaftler rund um den Globus entwickeln auf Künstlicher Intelligenz (KI) beruhende Programme, um neue Wirkstoffe zu entdecken. Im Fachjournal „Machine Learning: Science and Technology“ stellten etwa Experten von IBM Research in Zürich eine Fallstudie vor, in der sie KI-gestützt nach potenziell antiviralen Molekülen gegen das Coronavirus Sars-CoV-2 suchten.

Die Entwicklung neuer Wirkstoffe ist normalerweise mühselige Laborarbeit, der Großteil der Kandidaten stellt sich bei Tests als unwirksam heraus, was viel Geld und wertvolle Zeit kostet. Während wirksame und sichere Covid-Impfstoffe in Windeseile entwickelt wurden, taten sich Forschende schwer bei der Suche nach antiviralen Corona-Medikamenten. Mit Künstlicher Intelligenz versuchen sie dies zu beschleunigen.

Es gibt sicher über tausend Projekte weltweit, die mit diesem Ansatz nach Corona-Arzneien gesucht haben.

Gisbert Schneider, ETH Zürich

„Die KI getriebene Wirkstoffsuche ist definitiv aus ihrem Winterschlaf erwacht“, sagte Gisbert Schneider, Professor für computergestützte Wirkstoffsuche an der ETH Zürich. Dank immer besserer Algorithmen und größerer Datenmengen sei der Wettlauf um die Entdeckung neuer Medikamente mithilfe von KI weltweit in vollem Gange. „Es gibt sicher über tausend Projekte weltweit, die mit diesem Ansatz nach Corona-Arzneien gesucht haben“, so Schneider.

Die Ansätze beruhen oft auf einem Spracherkennungsmodell. Der Algorithmus behandelt Chemie wie eine Sprache, in der jedes Molekül aus Zeichen und Buchstaben besteht. Genauso wie eine KI in Smartphones vorschlägt, wie ein angefangen geschriebenes Wort zu Ende gehen könnte, vervollständigt die Chemie-KI ein Molekül, welches beispielsweise einem antiviralen Wirkstoff ähnlich sieht. Schneider ist einer der Pioniere auf diesem Gebiet und wurde dafür im Herbst in Berlin mit einem der diesjährigen „Science Breakthroughs of the Year Awards“ ausgezeichnet.

KI schlug schon Tausende Wirkstoffe vor
Die IBM-Forscher trainierten für ihre Studie ein auf Deep-Learning beruhendes Modell mit hunderttausenden bekannten Wirkstoff-Protein-Wechselwirkungen und koppelten dieses mit pharmakologischen Toxizitätsvorhersagen. Anschließend präsentierten sie der KI die Baupläne von 41 SARS-CoV-2-Oberflächenproteinen - Angriffspunkte für Wirkstoffe, die das Virus neutralisieren sollen. Daraufhin schlug das Programm über 3000 Verbindungen vor, die die Zielproteine neutralisieren sollen.

Die Suche nach Molekülen, die Proteine binden, dauert normalerweise Jahre. Zumindest das Auffinden geeigneter Kandidaten kann unsere KI enorm beschleunigen.

Jannis Born, IBM

„Die Suche nach Molekülen, die Proteine binden, dauert normalerweise Jahre“, sagte IBM-Forscher Jannis Born, der an der ETH Zürich doktoriert. „Zumindest das Auffinden geeigneter Kandidaten kann unsere KI enorm beschleunigen.“

Tatsächlich gehen theoretische Schätzungen von 10 hoch 30 bis 10 hoch 60 wirkstoffartigen Molekülen aus (das ist ein Einser mit 30 respektive 60 Nullen). In diesem Molekül-Dschungel kann KI Orientierung bieten und erlauben, dass weniger Substanzen getestet werden müssen, die sich später als unwirksam herausstellen.

KI hilft auch in der Krebsmedikamentenforschung
Das KI-System kann den IBM-Forschern zufolge so trainiert werden, dass es potenzielle Wirkstoffe gegen beliebige Strukturen entwickelt. So berichteten sie im Fachmagazin „iScience“ von der Generierung von neuartigen Molekülen, die sich gegen Krebszellen richten. Nur: Ein entdecktes Molekül in einem Computerprogramm hilft wenig. Es braucht ein „Kochrezept“, wie sich die Substanz im Labor synthetisieren lässt. Auch bei diesem Schritt setzt das IBM-Team auf künstliche Intelligenz. Es speiste die Moleküle in einen KI-Chemiker, der Synthese-Anleitungen auf Basis von bekannten Rezepten kreiert.

Das sei enorm wichtig, sagte Jannis Born, denn: „Die große Mehrheit der heutzutage von Computern vorgeschlagenen Wirkstoffe entpuppen sich als chemisch instabil oder äußerst komplex in der Herstellung.“ Gemäß ETH-Professor Schneider ist dieser Schritt auch das wirklich Neue an der Studie - die Planung des Synthesewegs.

Auf die Frage, warum bisher noch kein Covid-Medikament, entsprungen aus einer KI-Suche, auf dem Markt ist, antwortete Schneider: „Es fehlt schlicht die Datenbasis, um die KI zu trainieren.“ Denn diese könne kein grundsätzlich neues Wissen erzeugen, sondern einzig in riesigen Datenmengen nach Mustern und Zusammenhängen suchen. Er zeigt sich auch wenig besorgt darüber, dass KI-Chemiker menschliche Chemiker bald vollständig ersetzen können. Vielmehr sieht er die KI als einen kreativen Partner, der wie menschliche Forschungskollegen neue und inspirierende Vorschläge liefere: „Diesen sollten wir aber nicht blind vertrauen, sondern sie kritisch und mit gesundem Menschenverstand hinterfragen.“

Ohnehin lässt sich aus einem Computerprogramm nicht lesen, wie wirksam und sicher eine Arznei schlussendlich ist. Dafür braucht es unter anderem Experimente in Zellkulturen und klinische Studien. „Auch wenn es sich um ein noch so schönes Wirkstoff-Design handelt - ein Medikament kann bei einer Person wirken, bei der anderen nicht“, sagte Schneider. Die zugrundeliegenden Mechanismen hierfür seien oftmals komplex - es bleibe zu erforschen, wie weit eine Maschine dabei weiterhelfen könne.