De ontdekking en formulering van nieuwe medicijnen, antivirale middelen, antibiotica en in het algemeen chemicaliën met op maat gemaakte eigenschappen is een lang en moeizaam proces. Interdisciplinair onderzoek op het kruispunt van de biochemie, natuurkunde en informatica kunnen hier verandering in brengen. De ontwikkeling van machine learning (ML) methoden, gecombineerd met eerste principes van kwantum- en statistische mechanica en getraind op steeds meer beschikbare moleculaire big datasets, heeft het potentieel om het proces van chemische ontdekking te revolutioneren.

"Chemische ontdekking en machine learning zullen ongetwijfeld samen evolueren, maar het bereiken van echte synergie tussen beide vereist het oplossen van veel openstaande uitdagingen, " zegt Alexandre Tkatchenko, Hoogleraar theoretische chemische fysica aan de universiteit.

Machine learning om kandidaat-geneesmiddelen te identificeren

De universiteit startte in het voorjaar van 2020 een samenwerking met het Belgische bedrijf Janssen Pharmaceuticals om nieuwe ML-methoden te ontwikkelen voor het identificeren van verbindingen met een sterk therapeutisch potentieel (ook wel kandidaat-geneesmiddelen genoemd). Tot dusver, ML-benaderingen zijn ontwikkeld voor kleine moleculen. Dit onderzoeksproject heeft tot doel de architectuur en overdraagbaarheid van op kwantummechanica gebaseerde machine learning-benaderingen uit te breiden naar grote moleculen van farmaceutisch belang.

"Het genereren van nieuwe chemicaliën met activiteit op relevante biologische doelen is de kernactiviteit van farmaceutische bedrijven. Machine learning-benaderingen hebben het potentieel om het proces te versnellen en het aantal mislukkingen bij het ontdekken van geneesmiddelen te verminderen. Na benaderd te zijn door een toonaangevend farmaceutisch bedrijf om samen te werken bij het identificeren van kandidaat-geneesmiddelen is een verheugend teken van de industriële erkenning van onze expertise, " zegt Dr. Leonardo Medrano-Sandonas, een postdoctoraal onderzoeker in de groep van Prof. Tkatchenko.

Partner in een innovatief opleidingsnetwerk gefinancierd door de Europese Commissie

Samen met drie grote Europese farmabedrijven (Bayer, AstraZeneca, Janssen), het chemiebedrijf Enamine en tien academische partners met expertise in computationeel medicijnontwerp, Prof. Tkatchenko heeft de Marie Sklodowska-Curie Actions-Innovative Training Network-subsidie ​​gekregen voor het project Advanced machine learning for Innovative Drug Discovery (AIDD) voor de periode 2021-2023. Dit project heeft tot doel innovatieve ML-methoden te ontwikkelen om bij te dragen aan een geïntegreerd "One Chemistry"-model dat resultaten kan voorspellen, variërend van het genereren van moleculen tot synthese, en om te begrijpen hoe chemie en biologie kunnen worden verweven om nieuwe geneesmiddelen te ontwikkelen.

Hier bundelt wetenschappelijke expertise de krachten met de medicinale en synthetische chemie expertise van de industriële partners, en profiteert van grote waardevolle datasets. Voor de eerste keer, alle methodologische ontwikkelingen zullen open source beschikbaar zijn. Het trainingsnetwerk zal een generatie wetenschappers voorbereiden die vaardigheden hebben op het gebied van machine learning en scheikunde om de medicinale chemie te bevorderen.

"Het maken van nauwkeurige voorspellingen met behulp van machine learning is essentieel afhankelijk van toegang tot grote verzamelingen hoogwaardige gegevens en domeinexpertise om ze te analyseren, " legt prof. Tkatchenko uit. "Het bundelen van onze krachten is een eerste stap in de richting van een chemische ontdekkingsrevolutie die wordt aangedreven door machine learning."

Het gebied van machine learning voor chemische ontdekking is in opkomst, en naar verwachting zullen er in de nabije toekomst aanzienlijke vorderingen worden gemaakt. Prof. Tkatchenko heeft onlangs een artikel in het tijdschrift gepubliceerd Natuurcommunicatie waarin hij recente doorbraken op dit gebied bespreekt en de uitdagingen voor de komende jaren belicht. Het artikel is online beschikbaar.