Les chercheurs ont créé un système d’intelligence artificielle capable de prédire la manière dont les molécules médicamenteuses peuvent subir des modifications chimiques. Une équipe collaborative de l'Université technique allemande de Munich (LMU), de l'ETH Zurich (ETH Zurich) et de Roche Pharmaceutical Research and Early Development (pRED), basée à Bâle, a utilisé l'intelligence artificielle (IA) pour concevoir une nouvelle technologie permettant de prédire la meilleure façon de synthétiser des molécules médicamenteuses.
"Cette approche a le potentiel de réduire considérablement le nombre d'expériences en laboratoire requises, augmentant ainsi l'efficacité et la durabilité de la synthèse chimique", a déclaré David Nippa, premier auteur de l'article correspondant, publié dans la revue Nature Chemistry. Nippa est doctorante au Département de chimie et de pharmacie de LMU et dans le groupe de recherche du Dr David Konrad à Roche.
Les ingrédients pharmaceutiques actifs sont généralement constitués d’une structure à laquelle sont attachés des groupes fonctionnels. Ces groupes ont des fonctions biologiques spécifiques. Pour obtenir des effets médicaux nouveaux ou meilleurs, les groupes fonctionnels doivent être modifiés et ajoutés à de nouveaux postes dans le cadre. Cependant, ce processus est particulièrement difficile dans le domaine de la chimie, car la charpente elle-même, composée principalement d’atomes de carbone et d’hydrogène, est quasiment inactive.
Une méthode d’activation des frameworks est la réaction dite de borylation. Dans ce processus, des groupes chimiques contenant du bore sont attachés aux atomes de carbone de la charpente. Ce groupe du bore peut ensuite être remplacé par divers groupes ayant des effets médicaux. Bien que les réactions de boration aient un grand potentiel, elles sont difficiles à contrôler en laboratoire.
En collaboration avec Kenneth Atz, doctorant à l'ETH Zurich, David Nipa a développé un modèle d'intelligence artificielle formé sur la base de travaux scientifiques fiables et de données expérimentales provenant des laboratoires d'automatisation de Roche. Il peut prédire avec succès la position de boration de n’importe quelle molécule et fournir des conditions optimales pour les transformations chimiques. "Il est intéressant de noter que les prévisions se sont améliorées lorsque les informations tridimensionnelles sur les matières premières ont été prises en compte, plutôt que simplement leurs formules chimiques bidimensionnelles", a déclaré Artz.
Cette méthode a été utilisée avec succès pour identifier les positions dans les ingrédients actifs existants où des groupes réactifs supplémentaires peuvent être introduits. Cela aide les chercheurs à développer plus rapidement de nouvelles variantes plus efficaces des principes actifs des médicaments connus.
Compilé à partir de / scitechdaily