Mitte 2024 ist Professor Connor Coley von der Massachusetts Institute of Technology (MIT) zu den führenden Forschungern geworden, die künstliche Intelligenz nutzen, um chemische Prinzipien zu verstehen und den Prozess der Wirkstoffentwicklung zu revolutionieren. Schätzungen zufolge kommen zwischen 10^20 und 10^60 mögliche chemische Verbindungen als kleine Moleküle für Medikamente in Frage. Eine experimentelle Prüfung aller dieser Verbindungen wäre für Chemiker zeitlich unmöglich. Daher setzen Forscher zunehmend auf KI, um vielversprechende Kandidaten schneller zu identifizieren. Coley, der seit 2019 am MIT tätig ist, verbindet in seiner Forschung chemisches Ingenieurwesen mit Informatik. Als Professor für maschinelles Lernen und Chemieingenieurwesen entwickelt er computergestützte Modelle, die riesige Mengen an chemischen Daten analysieren, neue Moleküle entwerfen und Reaktionswege vorhersagen, durch die diese hergestellt werden können. Sein Hauptfokus liegt auf der Entdeckung kleiner Moleküle für die Pharmaindustrie, obwohl sein Ansatz für viele Anwendungen organischer Moleküle relevant ist. Seine akademische Laufbahn begann früh. Nach dem Abitur mit 16 Jahren studierte Coley am California Institute of Technology (Caltech) Chemieingenieurwesen und Informatik. Dort erlernte er Programmieren und arbeitete an der Aufklärung von Proteinstrukturen. An der MIT promovierte er unter der Betreuung von Klavs Jensen und William Green im Bereich der Automatisierung chemischer Reaktionen. Dabei kombinierte er maschinelles Lernen mit Chemoinformatik, um Synthesewege zu planen und Hardware für automatisierte Reaktionen zu entwickeln. Diese Arbeiten erfolgten teilweise im Rahmen eines DARPA-Programms, das den Einsatz von Datenwissenschaft zur Verbesserung der Arzneimittelherstellung zum Ziel hatte. Nach einem Postdoktorat am Broad Institute kehrte Coley 2020 als Professor an das MIT zurück, um ein eigenes Labor aufzubauen. Seine Mission umfasst die Entwicklung von KI, um nicht nur vorhandene Wirkstoffkandidaten zu synthetisieren, sondern auch völlig neue Moleküle mit gewünschten Eigenschaften zu designen und deren Herstellung zu ermöglichen. In Zusammenarbeit mit Pharmaunternehmen hat sein Laborteam mehrere computergestützte Methoden etabliert. Eine dieser Methoden ist das Modell ShEPhERD. Dieses wurde trainiert, um neue Wirkstoffmoleküle basierend auf ihrer dreidimensionalen Struktur und ihrer Interaktion mit Zielproteinen zu bewerten. Ein weiteres Projekt ist FlowER, ein generatives KI-Modell, das Reaktionsprodukte vorhersagt. Besonderes Augenmerk legten die Forscher dabei darauf, das Modell mit grundlegenden physikalischen Gesetzen wie der Massenerhaltung zu versehen. Zudem wurde dem Modell beigebracht, die Machbarkeit von Zwischenschritten in chemischen Reaktionspfaden zu berücksichtigen. Diese Einbindung von Reaktionsmechanismen, wie sie Chemiker intuitiv verstehen, erhöht die Genauigkeit der Vorhersagen erheblich. Neben der Entwicklung dieser Modelle arbeiten Cateys Studenten an der Optimierung chemischer Reaktionen, der computergestützten Strukturaufklärung, der Laborautomation und dem optimalen Experimentdesign. Durch diese vielfältigen Forschungsansätze möchte Coley die Grenzen der KI in der Chemie weiter voranbringen und dem Feld eine fundierte medizinisch-chemische Intelligenz verleihen.