KI-generierte Wirkstoffkandidaten treffen zielgenau Zelltypen und übertreffen konventionelle Screening-Verfahren Ein Forschungsteam der Strukturellen Bioinformatik und Netzwerkbiologie am IRB Barcelona, geleitet von Dr. Patrick Aloy, hat eine neuartige Strategie zur Entwicklung chemischer Wirkstoffe vorgestellt. Die Methode kombiniert prädiktive und generative Künstliche Intelligenz, um Moleküle zu entwerfen, die nicht auf ein spezifisches Protein, sondern auf einen definierten biologischen Effekt in bestimmten Zelltypen abzielen. Dieser phenotypische Ansatz umgeht das traditionelle Problem, dass viele Krankheitsmechanismen noch nicht ausreichend charakterisiert sind. Zur Trainierung des Systems analysierte die Forschungsgruppe mehr als 11.000 chemische Verbindungen in acht verschiedenen Zellmodellen, darunter sechs pancreatische Krebszelllinien und zwei Kontrolllinien. Die daraus abgeleiteten prädiktiven Modelle basieren auf Bioaktivitätsdaten und übertreffen herkömmliche Verfahren zur Vorhersage der Molekülwirkung erheblich, da sie über reine chemische Ähnlichkeitsbetrachtungen hinausgehen. Diese Vorhersagemodelle wurden anschließend in ein generatives KI-System integriert, das unter der dualen Anforderung neue Kandidaten entwirft: Maximale Wirksamkeit gegenüber einem Zielzelltyp bei gleichzeitig minimalem Einfluss auf Kontrollzellen oder andere Gewebe. In experimentellen Validierungstests bestätigten mehrere der KI-designeden Moleküle ihre geplante Selektivität und biologische Aktivität. Im direkten Vergleich zu konventionellen Screening-Methoden zeigten die neu entwickelten Verbindungen nicht nur eine überlegene Wirkstärke, sondern wiesen zudem eine signifikante strukturelle Neuheit auf, die sie von bisher bekannten Chemikalien unterscheidet. Obwohl sich die Forschung noch in einer frühen Phase der Wirkstoffentwicklung befindet, demonstriert der Ansatz eindrücklich, wie computergestützte Planung und labortechnische Bestätigung synergistisch wirken können. Die Methodik eröffnet insbesondere für Erkrankungen ohne klar identifizierbares molekulares Target völlig neue Möglichkeiten in der präklinischen Forschung. Durch die beschleunigte und zielgerichtetere Identifikation von Kandidatenmolekülen könnte der Prozess der Arzneimittelentwicklung effizienter gestaltet werden. Das IRB Barcelona plant, das KI-gestützte Framework auf weitere Krankheitsmodelle zu übertragen, um die Lücke zwischen computergeneriertem Design und klinischer Anwendung weiter zu schließen.