Wie KI gestütztes Wirkstoffdesign für Bindungsstellen wirkt Forschende der University of Virginia beschleunigen die Wirkstoffsuche: Mit KI gestütztes Wirkstoffdesign für Bindungsstellen entwerfen die Tools YuelDesign, YuelPocket und YuelBond Moleküle, die an bewegliche Proteinziele passen. Das berücksichtigt echte Proteinbewegungen, senkt Fehlversuche und hilft, neue und bestehende Medikamente schneller zu bewerten. Die Entwicklung neuer Medikamente ist teuer und riskant. Schätzungen sprechen von über 2,6 Milliarden Dollar pro Wirkstoff, und fast 90 Prozent scheitern in Studien am Menschen. Ein Hauptgrund: Moleküle binden oft nicht exakt an ihr Ziel. Proteine bewegen sich und ändern ihre Form. Hier setzt KI gestütztes Wirkstoffdesign für Bindungsstellen an und berücksichtigt diese Bewegung von Anfang an.

Warum viele Ansätze scheitern

Wenn eine Verbindung nicht am richtigen Ort und nicht in der richtigen Weise bindet, wirkt sie nicht oder löst Nebenwirkungen aus. Viele rechnergestützte Methoden behandeln Proteine wie starre Statuen. In der Realität passen sich Proteine beim Andocken an – ein Prozess, den Forschende „induced fit“ nennen. Ignoriert man diese Flexibilität, sehen Kandidaten am Bildschirm gut aus, versagen aber später im Labor.

KI gestütztes Wirkstoffdesign für Bindungsstellen: Der UVA-Ansatz

Ein Team um Nikolay V. Dokholyan, PhD, an der University of Virginia School of Medicine, hat drei Werkzeuge vorgestellt: YuelDesign, YuelPocket und YuelBond. Sie greifen ineinander und verbessern Entwurf, Bewertung und chemische Plausibilität neuer Moleküle.

YuelDesign: Diffusionsmodelle für bewegliche Ziele

YuelDesign nutzt moderne Diffusionsmodelle. Das System erzeugt gleichzeitig die Struktur der Bindungstasche im Protein und das passende kleine Molekül. Beides kann sich während des Designs gegenseitig anpassen – wie Schlüssel und Schloss, während das Schloss wackelt. In Tests mit dem krebsrelevanten Protein CDK2 erfasste nur YuelDesign die entscheidenden Strukturänderungen beim Binden.

YuelPocket: Bindungsstellen sicher erkennen

YuelPocket setzt Graph-Neuronale Netze ein, um präzise zu bestimmen, wo ein Molekül binden sollte. Das funktioniert auch auf vorhergesagten Proteinstrukturen, etwa aus AlphaFold. Die Kartierung von Bindungstaschen ist für praktisch jeden Schritt der modernen Wirkstoffentwicklung zentral – von der Zielvalidierung bis zum virtuellen Screening.

YuelBond: Chemische Bindungen korrekt prüfen

YuelBond stellt sicher, dass die in den entworfenen Molekülen vorgeschlagenen chemischen Bindungen stimmen. So werden unplausible Strukturen früh erkannt und aussortiert. Das spart Zeit und Ressourcen in der anschließenden experimentellen Arbeit.

Was die Tools in der Praxis bringen

– Schnellere Entwurfszyklen, da Proteinflexibilität schon im Design berücksichtigt wird – Höhere Trefferqualität, weil das Andocken realistischer modelliert ist – Schnellere Neubewertung bestehender Wirkstoffe für neue Ziele – Klare Bindungstaschen dank YuelPocket, auch bei vorhergesagten Strukturen – Chemisch konsistente Vorschläge durch YuelBond Die Forschenden berichten über die Ergebnisse in PNAS, JCIM und Science Advances. Ein PNAS-Artikel beschreibt die Vorhersage von Bindungsstellen mit vereinten Protein–Kleinmolekül-Graph-Netzen (DOI: 10.1073/pnas.2524913123). Das Team nennt keine finanziellen Interessen. Unterstützt wurde die Arbeit von den National Institutes of Health (1R35 GM134864), der National Science Foundation (2210963), den Huck Institutes of the Life Sciences und der Passan Foundation.

Offen zugänglich – für schnellere Translation

Alle drei Werkzeuge stehen der wissenschaftlichen Gemeinschaft frei zur Verfügung. Das Ziel: schneller, günstiger und mit höherer Erfolgsquote zu neuen Wirkstoffen gelangen. Das passt zur Mission des Paul and Diane Manning Institute of Biotechnology an der UVA: Erkenntnisse zügig in Nutzen für Patientinnen und Patienten überführen.

Warum der Fokus auf Bewegung zählt

Viele Krankheiten, etwa Krebs oder neurologische Störungen, hängen an Proteinen, die „wackeln“ und Form ändern. Ein statischer Blick verfehlt diese Realität. Indem YuelDesign Molekül und Bindungstasche gemeinsam entwickelt, nähert es sich dem biologischen Prozess. So kann KI gestütztes Wirkstoffdesign für Bindungsstellen mehr reale Kandidaten liefern und Fehlschläge reduzieren, bevor teure Studien beginnen. Am Ende zählt, wie schnell gute Therapien Menschen erreichen. Die UVA-Tools zeigen, wie KI gestütztes Wirkstoffdesign für Bindungsstellen die Lücke zwischen Computermodell und echter Biologie schließen kann – mit besseren Bindungen, weniger Umwegen und einer höheren Chance, dass aus Laborideen wirksame Medikamente werden.

(Source: https://www.news-medical.net/news/20260409/UVA-scientists-develop-AI-tools-to-accelerate-new-drug-discovery.aspx)

For more news: Click Here

FAQ