通过跨学科的合作与交流,我们能够突破传统思维的边界,开拓新的研究领域。

——院长致词

首页 > 科学研究 > 物质与能量

人工智能为新药铺平道路

本站发布时间:2023-12-23 15:45:03

研究人员已经开发出一种AI模型,可以预测大分子会在哪里发生化学变化

来自LMU、苏黎世联邦理工学院和罗氏制药研究与早期开发(pRED)Basel的一批研究人员使用人工智能(AI)开发了一种新方法,预测合成药物分子的最佳方法“这种方法有可能显著减少所需实验的数量,从而提高化学合成的效率和可持续性,”相关论文的主要作者David Nippa说,该论文已发表在《自然化学》杂志上尼帕是博士生DavidKonrad的研究小组在LMU和罗氏的化学和制药学院

活性药物制剂通常与所附功能组的框架工作一致这一组具有特定的生物功能为了实现或改进的医疗效果,功能组被替换并分配到模型中的各个位置然而,这一过程——尤其是在化学上——具有挑战性,因为主要由碳原子和氢原子组成的框架本身很难反应有一种激活纳米结构的方法被称为二元反应在这个过程中,一组含有元素硼的化学物质附着在框架的碳酸盐上该硼组可由多种有效药物组替代尽管硼化有很大的潜力,但很难控制它

DavidNip与苏黎世联邦理工学院的KennethAtz合作,开发了一种AI模型,该模型是由值得信赖的罗氏公司的科学工作和自动化实验室的经验培训而成的它可以成功地预测命名分子的碱基关系的位置,并为化学转化提供最佳条件“有趣的是,随着预制材料的三维形式被重新考虑在内,而不仅仅是它们的二维化学形式,预测得到了改进,”茨说

该方法已被成功地用于识别不可识别的位置,在这些位置可以引入额外的活性组这有助于研究人员更快地开发新的、更有效的已知药物活性成分


来源:

Materials provided by
Ludwig-Maximilians-Universität München.
注明: Content may be edited for style and length.


参考:

  1. David F. Nippa, Kenneth Atz, Remo Hohler, Alex T. Müller, Andreas Marx, Christian Bartelmus, Georg Wuitschik, Irene Marzuoli, Vera Jost, Jens Wolfard, Martin Binder, Antonia F. Stepan, David B. Konrad, Uwe Grether, Rainer E. Martin, Gisbert Schneider.
    Enabling late-stage drug diversification by high-throughput experimentation with geometric deep learning. Nature Chemistry, 2023; DOI: 10.1038/s41557-023-01360-5

排行榜

备案号:京ICP备2023036195号-1

地址:北京市丰台区南三环西路16号2号楼

地址:山东省济南市历城区唐冶绿地汇中心36号楼

电话: 400-635-0567

北前院微信公众号