Veel medicijnen worden tegenwoordig geproduceerd als vaste stoffen in poedervorm. Maar om volledig te begrijpen hoe de actieve ingrediënten zich eenmaal in het lichaam zullen gedragen, wetenschappers moeten hun exacte structuur op atomair niveau weten. Bijvoorbeeld, de manier waarop moleculen in een kristal zijn gerangschikt, heeft een directe invloed op de eigenschappen van een verbinding, zoals de oplosbaarheid ervan. Onderzoekers werken daarom hard aan de ontwikkeling van technologieën die gemakkelijk de exacte kristalstructuren van microkristallijne poeders kunnen identificeren.

Een team van EPFL-wetenschappers heeft nu een machine-learningprogramma geschreven dat kan voorspellen, in recordtijd, hoe atomen zullen reageren op een aangelegd magnetisch veld. Dit kan worden gecombineerd met nucleaire magnetische resonantie (NMR) spectroscopie om de exacte locatie van atomen in complexe organische verbindingen te bepalen. Dit kan grote voordelen opleveren voor farmaceutische bedrijven, die de structuren van hun moleculen zorgvuldig moeten bewaken om te voldoen aan de vereisten voor patiëntveiligheid. Hun onderzoek is gepubliceerd in Natuurcommunicatie .

Baanbrekende snelheden met AI

NMR-spectroscopie is een bekende en zeer efficiënte methode om de magnetische velden tussen atomen te onderzoeken en te bepalen hoe naburige atomen met elkaar interageren. Echter, volledige kristalstructuurbepaling door NMR-spectroscopie vereist uiterst gecompliceerde, tijdrovende berekeningen met kwantumchemie - bijna onmogelijk voor moleculen met zeer ingewikkelde structuren.

Maar het bij EPFL ontwikkelde programma kan deze obstakels overwinnen. De wetenschappers trainden hun AI-model op moleculaire structuren uit structurele databases. "Zelfs voor relatief eenvoudige moleculen, dit model is bijna 10, 000 keer sneller dan bestaande methoden, en het voordeel groeit enorm bij het overwegen van complexere verbindingen, " zegt Michele Ceriotti, hoofd van het Laboratory of Computational Science and Modeling aan EPFL's School of Engineering en co-auteur van de studie. "Om de NMR-signatuur van een kristal met bijna 1 te voorspellen, 600 atomen, onze techniek – ShiftML – vergt ongeveer zes minuten; dezelfde prestatie zou 16 jaar hebben geduurd met conventionele technieken."

Dit nieuwe programma zal het mogelijk maken om volledig andere benaderingen te gebruiken die sneller zullen zijn en toegang geven tot grotere moleculen. "Dit is echt opwindend omdat de enorme versnelling in rekentijden ons in staat zal stellen veel grotere conformatieruimten te bestrijken en structuren correct te bepalen waar het voorheen gewoon niet mogelijk was. Dit brengt de meeste complexe hedendaagse medicijnmoleculen binnen handbereik, " zegt Lyndon Emsley, hoofd van het Laboratorium voor Magnetische Resonantie aan de School of Basic Sciences van EPFL en co-auteur van de studie.

Het programma is nu gratis online beschikbaar. "Iedereen kan een molecuul uploaden en de NMR-handtekening krijgen in slechts een paar minuten, ', zegt Ceriotti.