Der mathematische Ansatz kann die Arzneimittelforschung effektiver und effizienter machen

Forscher der University of Texas in Dallas und von Novartis Pharmaceuticals Corp. haben eine computerbasierte Plattform für die Wirkstoffforschung entwickelt, die den Prozess effektiver, effizienter und kostengünstiger machen könnte.

Dr. Baris Coskunuzer, Professor für mathematische Wissenschaften an der UT Dallas, und seine Kollegen entwickelten einen Ansatz, der auf der Analyse topologischer Daten basiert, um Tausende möglicher Wirkstoffkandidaten virtuell zu screenen und die Wirkstoffkandidaten erheblich auf diejenigen einzugrenzen, die für Labor- und klinische Tests am besten geeignet sind.

Die Forscher werden ihre Ergebnisse auf der 36. Konferenz über neuronale Informationsverarbeitungssysteme vorstellen, die vom 28. November bis 9. Dezember in New Orleans stattfinden wird.

Typischerweise umfassen die frühen Phasen der Arzneimittelentdeckung Forscher, die ein biologisches Ziel identifizieren, beispielsweise ein Protein, das mit einer interessierenden Krankheit assoziiert ist. Der nächste Schritt besteht darin, Bibliotheken mit Tausenden potenzieller chemischer Verbindungen zu screenen, die wirksam sein oder modifiziert werden könnten, um das Ziel zu beeinflussen, um die Ursache oder Symptome der Krankheit zu lindern. Die vielversprechendsten Kandidaten durchlaufen den langwierigen und kostspieligen Prozess der Labor- und klinischen Tests und der behördlichen Zulassung.

„Der Prozess der Arzneimittelentdeckung kann 10 bis 15 Jahre dauern und eine Milliarde Dollar kosten“, sagte Coskunuzer. „Arzneimittelunternehmen möchten dies auf kostengünstigere Weise tun. Sie möchten die vielversprechendsten Verbindungen zu Beginn des Prozesses finden, damit sie keine Zeit mit dem Testen von Sackgassen verschwenden. Wir haben dafür eine völlig neue Methode des virtuellen Screenings bereitgestellt ist rechnerisch effizient und ordnet Verbindungen basierend darauf, wie wahrscheinlich sie funktionieren.“

Während das virtuelle Screening von Bibliotheken chemischer Verbindungen nichts Neues ist, sagte Coskunuzer, dass der Ansatz seiner Gruppe andere hochmoderne Methoden bei großen Datensätzen deutlich übertrifft.

Das Team von UTD und Novartis formulierte den virtuellen Screening-Prozess als eine neue Art von topologiebasiertem Graph-Ranking-Problem aus einem Zweig der Mathematik, der als topologische Datenanalyse bezeichnet wird. Ihre Methode charakterisiert jede molekulare Verbindung basierend auf der Form ihrer zugrunde liegenden physikalischen Substruktur – ihrer Topologie – sowie einer Reihe von physikalischen und chemischen Eigenschaften der Komponenten des Moleküls. Aus diesen Informationen entwickeln die Forscher für jede Verbindung einen einzigartigen „topologischen Fingerabdruck“, anhand dessen sie in eine Rangfolge gebracht wird, wie gut sie zu den gewünschten Eigenschaften passt.

„Der Vorteil unseres Algorithmus besteht darin, dass er in ein paar Tagen etwa 100.000 Verbindungen screenen könnte, was viel schneller ist als andere Methoden“, sagte Coskunuzer.

Der nächste Schritt wird darin bestehen, die Methode auf die Vorhersage molekularer Eigenschaften zu verallgemeinern, was die Bewertung einer Verbindung nach ihrer Wasserlöslichkeit umfasst. Die Löslichkeit kann für die Wirksamkeit eines Medikaments im menschlichen Körper entscheidend sein.

„Wenn Sie eine gute Verbindung finden, diese aber nicht die gewünschten molekularen Eigenschaften hat – wenn sie nicht löslich ist –, wird sie wahrscheinlich nicht funktionieren. Sie möchten diese Eigenschaften zuerst testen können, bevor ein Arzneimittelkandidat es auch wird weit in der Entwicklung“, sagte Coskunuzer.