AdaptiveFlow KI senkt Rechenkosten für Wirkstoffentwicklung

Eine international besetzte Forschergruppe aus dem St. Jude Children's Research Hospital, der Universität Pavia, dem Dana-Farber Cancer Institute und der Harvard Medical School hat AdaptiveFlow vorgestellt, eine KI-gestützte Plattform, die das virtuelle Drug Screening in bisher unerreichter Dimension ermöglicht. Die Ergebnisse wurden soeben in Nature Biotechnology publiziert. AdaptiveFlow senkt die Rechenkosten um das Tausendfache im Vergleich zu etablierten Methoden und demonstriert eine linear skalierende Architektur, die bis zu 5,6 Millionen virtuelle Prozessorkerne effizient bedient. Damit wird das Screening von 69 Milliarden Wirkstoffkandidaten zum ersten Mal routinemäßig machbar, was die Bibliothek der weltweit größten einsetzbaren Moleküldatenbanken etabliert. Im Kern basiert das Framework auf einem multidimensionalen Gitter mit 18 Dimensionen, die spezifische molekulare Eigenschaften wie das Molekulargewicht abbilden. Dieses Konstrukt priorisiert chemisch diverse Kandidaten und leitet die rationale Auswahl vielversprechender Teilbibliotheken für vertiefte Analysen ein. Ein darauf trainiertes maschinelles Lern-Modell filtert die vielversprechendsten Moleküle heraus, die anschließend mit über 1.500 unterstützten Docking-Protokollen gegen definierte Proteinziele simuliert und nach vorhergesagter Bindungsaffinität gerankt werden. Laut Dr. Christoph Gorgulla vom St. Jude Center of Excellence for Data-Driven Discovery führt dieser Ansatz zu qualitativ hochwertigen Treffermolekülen, die manuelle Optimierungsphasen in der Wirkstoffentwicklung erheblich beschleunigen. Zur Validierung identifizierte das Team mit AdaptiveFlow potente Inhibitoren für PARP1, ein etabliertes Onkologie-Ziel, sowie für FSP1, ein komplexes Emerging Target mit zusätzlichen Cofaktoren im Bindungsschlüssel. In beiden Fällen erreichten die entdeckten Verbindungen eine Bindungsstärke, die pharmazeutischen Standards entspricht. Die erfolgreiche Identifikation von FSP1-Hemmstoffen unterstreicht die Robustheit der Plattform auch bei herausfordernden strukturellen Bedingungen. Da AdaptiveFlow vollständig quelloffen publiziert wurde und inklusive Schritt-für-Schritt-Anleitungen auf GitHub frei verfügbar ist, zielt die Entwicklung auf die Demokratisierung des Drug Discoveries ab. Forschende weltweit sollen künftig unabhängig von großen Rechenkapazitäten ultra-large Virtual Screens durchführen können. Dies beschleunigt nicht nur die Suche nach Therapieansätzen für schwer targetbare Krankheiten, sondern erhöht nach Ansicht der Entwickler die Wahrscheinlichkeit klinischer Erfolgsmuster bei neuen Wirkstoffkandidaten. Die Plattform steht bereit für den Einsatz in der computergestützten Wirkstoffforschung und bildet eine neue Infrastruktur für die datengetriebene Biomedizin.