Startup Insilico Medicine entwickelt mit Deep Learning ein neues Medikament in 21 Tagen

Startup Insilico Medicine entwickelt mit Deep Learning ein neues Medikament in 21 Tagen

Hongkong, 3.9.2019

Die in Hongkong ansässige Insilico Medicine veröffentlichte am Montag eine Studie, die zeigt, dass ihr tiefes Lernsystem potenzielle Behandlungsmöglichkeiten für Fibrose identifizieren könnte. Dieses System, genannt „generative tensorial reinforcement learning“ (etwa: generatives tensorielles Verstärkungslernen), kurz GENTRL, konnte in nur 21 Tagen sechs vielversprechende Behandlungen finden. Die Studie wurde in „Nature Biotechnology“ veröffentlicht, und der Code für das Modell wurde auf Github zur Verfügung gestellt.

„Wir haben eine KI-Strategie in Kombination mit KI-Ideen“, sagt Alex Zhavoronkov, CEO von Insilico, der die Funktionsweise von GENTRL mit dem AlphaGo Machine Learning System vergleicht, das Google’s Deepmind entwickelt hat, um Champion Go-Spieler herauszufordern.

Chavoronkow gründete das Unternehmen im Jahr 2014. Sein ursprünglicher Hintergrund war die Informatik, und er arbeitete mehrere Jahre bei ATI, bis es 2006 von AMD übernommen wurde. Zu diesem Zeitpunkt wechselte er in die biotechnologische Forschung. Sein Interesse galt der Verlangsamung des Alterungsprozesses. Er erhielt seinen Master von Johns Hopkins und promovierte dann an der Moskauer Staatlichen Universität, wo er sich mit dem maschinellen Lernen beschäftigte, um die Physik molekularer Wechselwirkungen in biologischen Systemen zu untersuchen. Er arbeitete dann für eine Reihe von Unternehmen, kehrte dann aber nach Baltimore zurück, um Insilico zu gründen.

Die ursprüngliche Philosophie des Unternehmens bestand darin, mit Deep Learning neuronale Netzwerke zu trainieren um große Bibliotheken von Molekülen zu analysieren um schließlich neue Wirkstoffe zu finden. Kurz nach der Gründung des Unternehmens war Zhavoronkov jedoch von der Arbeit von Ian Goodfellow im Bereich Machine Learning fasziniert und beschloss, den Kurs zu wechseln.

„Wir fragten uns: „Können wir Maschinen dazu bringen, sich neue Moleküle mit bestimmten Eigenschaften vorzustellen, anstatt große Hersteller-Bibliotheken zu durchsuchen?“ Das Screening von Molekülen, sagt er, ist die Art und Weise, wie sie es in der traditionellen Welt der Wirkstoffforschung tun, aber er wollte sehen, ob dies mit dem maschinellen Lernen schneller erledigt werden kann.

Die erste Studie, die das Unternehmen 2016 auf der Grundlage dieser Idee veröffentlichte, lockte die ersten Investoren an. Laut Pitchbook sammelte Insilico Medicin Anlagegelder im Wert von 56 Millionen Dollar ein. Unter anderem von Geldgebern wie A-Level Capital und Juvenescence. Weitere Partner kamen aus dem Biotechnologiebereich, darunter A2A Pharmaceuticals und TARA Biosystems.

Das aktuelle Papier hat seinen Ursprung in einer Herausforderung, die seine Kollegen aus der Chemiewelt an das Unternehmen gestellt haben. Sie wollten sein System nutzen, um potenzielle Medikamente zu entwickeln, die die Aktivität des Discoidin-Domain-Rezeptors 1 (DDR1) hemmen können. DDR1 ist ein Enzym, das an der Fibrose beteiligt ist, und obwohl es noch nicht klar ist, ob es diese Prozesse reguliert, wird die Hemmung seiner Aktivität als mögliche Therapie untersucht. Die Herausforderung basierte auf kürzlich veröffentlichten Forschungsergebnissen eines Teams von Genentech, die etwa 8 Jahre gedauert hatten, um vielversprechende DDR1-Kinase-Hemmer zu identifizieren.

Insilico entwickelte mit GENTRL neue Wirkstoffkandidaten, die dann synthetisiert und erfolgreich an Mäusen getestet wurde. Es dauerte etwa 21 Tage, bis das KI-System Moleküle entwarf, und die Gesamtzeit für Design, Synthese und Validierung betrug etwa 46 Tage. Obwohl keines der von GENTRL entwickelten Medikamente offenbar wirksamer ist als die von der traditionellen Forschungsmethode entwickelten Inhibitoren, dauerte der traditionelle Prozess zur Entwicklung von Medikamentenkandidaten über 8 Jahre und Millionen von Dollar – verglichen mit der Handvoll Wochen und etwa 150.000 Dollar Kosten der Insilico-Methode.

Ihre Moleküle sind erstaunlich, sie sind ein wenig besser als das, was unsere KI tun könnte“, sagt Zhavoronkov. „Aber das sind Jahre im Vergleich zu Leuten, die nicht viel Wissen über Chemie haben, wenn sie so etwas machen.“

Natürlich stellt dies im Rahmen der Arzneimittelentwicklung nur den allerersten Schritt dar. Es ist ein Meilenstein, um das Potenzial der KI zur Identifizierung von Medikamentenkandidaten zu demonstrieren, aber es wird noch Jahre von klinischen Studien und Millionen von Ausgaben für die Untersuchung benötigen, bis ein Medikamentenkandidat für die Behandlung einer bestimmten Krankheit zugelassen wird. Chavoronkow ist bewusst, dass Insilico noch viel Arbeit vor sich hat, obwohl diese Forschungsergebnisse für ihn ein wichtiger Durchbruch sind, weil sie das Potenzial zeigt, die KI für die Medikamentenentwicklung hat.“ Andererseits hofft er, „dass diese Studie viel Skepsis in großen Pharmaunternehmen beseitigen wird.“