HyperAIHyperAI

Command Palette

Search for a command to run...

KI-Tool entwirft Peptide zur Aktivierung oder Blockade

Forschende der University of Pennsylvania und der Chinesischen Universität Hongkong haben das KI-System TD3B entwickelt, das die gezielte Generierung therapeutischer Peptide ermöglicht. Der Ansatz adressiert ein zentrales Problem in der Wirkstoffentwicklung: Bisherige KI-Modelle konnten zwar Peptide generieren und deren Bindung an Zielstrukturen vorhersagen, nicht jedoch gleichzeitig deren biologische Wirkrichtung, also ob sie einen Rezeptor aktivieren oder blockieren. TD3B überwindet diese Limitierung, indem es die funktionale Ausrichtung direkt in den Generierungsprozess integriert. Die Ergebnisse wurden als Spotlight-Paper auf dem International Conference on Machine Learning 2026 präsentiert. Das Framework kombiniert drei Kernkomponenten: einen Direction Oracle zur Interaktionsvorhersage, ein gated reward-System zur Belohnung nur jener Kandidaten, die sowohl binden als auch den gewünschten Effekt auslösen, sowie einen training buffer, der hochwertige Ergebnisse für iterative Verbesserungen speichert. Der Mechanismus ermöglicht es dem Modell, autonom aus den besten Funden zu lernen und die nächste Generationsschleife präziser zu steuern. Die biologische Zielrichtung ist dabei entscheidend, da Zellrezeptoren wie G-Protein-gekoppelte Rezeptoren, angesprochen von etwa einem Drittel aller zugelassenen Medikamente, unterschiedliche Signalkaskaden auslösen, je nachdem ob sie als Agonist aktiviert oder als Antagonist blockiert werden. In rechnerischen Tests bestätigte sich die Wirksamkeit des Ansatzes: Der Direction Oracle unterschied agonistische und antagonistische Interaktionen mit 93 Prozent Genauigkeit. Bei der Analyse von GLP-1-Rezeptoren, die für die Regulation von Appetit, Gewicht und Blutzucker relevant sind, kontaktierten die von TD3B vorhergesagten Agonisten die für die volle Aktivierung bekannten Stellen, während Antagonisten diese Bereiche mieden. Dieses Verhalten trat ohne vorherige programmatische Vorgabe auf und bestätigt, dass das Modell funktionale Muster eigenständig erlernt. Analog zeigten sich ähnliche Muster bei Tests am Orexin-1-Rezeptor, einem Target für Schlafstörungen und Suchterkrankungen. Die Entwicklung schärft den Fokus auf eine zielgerichtete Wirkstoffdesign-Strategie. Wie Seniorautor Pranam Chatterjee betont, reicht die reine Bindung an ein Target nicht aus; entscheidend ist die Steuerung der nachgeschalteten Zellantwort. Die aktuellen Forschungsergebnisse legen den Grundstein für eine Beschleunigung der pharmazeutischen Pipeline, insbesondere bei der Optimierung von GLP-1-Therapien, der Modulation neuronaler Signalwege bei Abhängigkeitserkrankungen sowie der Unterstützung immunologischer Krebsbehandlungen. Der nächste Entwicklungsschritt umfasst die experimentelle Validierung im Labor. Die generierten Peptidkandidaten werden derzeit synthetisiert und in vitro sowie in vivo getestet. Gelingt die experimentelle Bestätigung, markiert dies einen Paradigmenwechsel in der Wirkstoffdesign-Logik: Künftig könnten peptidebasierte Medikamente nicht mehr primär an der Zielstruktur, sondern direkt an der gewünschten therapeutischen Endwirkung ausgerichtet werden.

Verwandte Links