Ny AI-programvare kan akselerere utviklingen av legemidler

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Legemiddeloppdagelse og -utvikling innen farmakologisk forskning - inkludert risikovurdering av aktive stoffer i tidlig fase av legemiddelutvikling - er fortsatt i stor grad avhengig av dyreforsøk. I tillegg til de etiske spørsmålene er dyrestudier svært kostbare og tidkrevende. De krever også vanligvis kontinuerlig tilsyn og evaluering av høyt kvalifisert personale. Utviklingen av automatiserte vurderingsmetoder som kan brukes i stedet for standard dyreforsøk vil dermed ha en lang rekke fordeler for medikamentoppdagelse. Jakten på disse alternative metodene er i fokus for «Embryonet-AI»-prosjektet, som Patrick Müller for tiden mottar et Proof of Concept-stipend for fra European Research...

Ny AI-programvare kan akselerere utviklingen av legemidler

Legemiddeloppdagelse og -utvikling innen farmakologisk forskning - inkludert risikovurdering av aktive stoffer i tidlig fase av legemiddelutvikling - er fortsatt i stor grad avhengig av dyreforsøk. I tillegg til de etiske spørsmålene er dyrestudier svært kostbare og tidkrevende. De krever også vanligvis kontinuerlig tilsyn og evaluering av høyt kvalifisert personale. Utviklingen av automatiserte vurderingsmetoder som kan brukes i stedet for standard dyreforsøk vil dermed ha en lang rekke fordeler for medikamentoppdagelse.

Jakten på disse alternative metodene er fokus for «Embryonet-AI»-prosjektet, som Patrick Müller nettopp har blitt tildelt et Proof of Concept-stipend fra European Research Council (ERC) verdt 150 000 euro for. Müller er professor i utviklingsbiologi ved Universitetet i Konstanz og medlem av Konstanz Cluster of Excellence - Collective Behavior. Prosjektet hans bygger på innsikt han og teamet hans fikk i det ERC-finansierte Ace-of-Space-prosjektet ("Analysis, Control and Engineering of Spatiotemporal Pattern Formation"). Målet med Müllers nye prosjekt er å videreutvikle den AI-assisterte bildeanalyseprogramvaren Embryonet, som automatisk oppdager defekter som oppstår under utviklingen av dyreembryoer.

Embryonet tilbyr en rask, kostnadseffektiv og svært nøyaktig vurdering av påvirkningen av et stoff på utviklingen av biologiske systemer. Negative effekter som synlige utviklingsfeil blir automatisk gjenkjent og knyttet til den tilsvarende signalveien. Embryonet overgår til og med menneskelige eksperter i nøyaktighet. "Vi ser et stort potensiale for å bruke programvaren til legemiddelutvikling, spesielt i den tidlige fasen av å identifisere potensielt egnede stoffer - for å utføre risikovurderinger og studere mekanismene for hvordan fluktuerte legemidler virker," sier Müller.

Ikke bare for embryoer

Patrick Müller og teamet hans presenterte først Embryonet i en studie fra 2023 med sebrafiskembryoer publisert i tidsskriftet Nature Methods. Programvaren har siden blitt utvidet til å inkludere organoider. "Organoider er kunstige vev som produseres i et laboratorium ved hjelp av menneskelige stamceller. Strukturene deres ligner små organer som lever, nyre eller hjerne - og kan brukes som modeller for disse organene i narkotikaforskning," forklarer Müller.

Som en del av Proof of Concept Grant vil Müller og teamet hans ytterligere forbedre AI-modellene som Embryonet er basert på for å øke nøyaktigheten og fremfor alt funksjonene. Samtidig ønsker teamet å lage en nettplattform for å gjøre Embryonet tilgjengelig for brukere over hele verden. For å nå dette målet vil Müller og teamet hans jobbe hånd i hånd med andre forskere, industripartnere og nøkkelregulatorer for å sikre at nettplattformen møter behovene til fremtidige brukere og oppfyller regulatoriske krav. Det overordnede målet er å utvikle Embryonet til et markedsklart produkt.

Ideen: Fordi Embryonet er helautomatisert, kan farmasøytiske selskaper fullt ut integrere plattformen i forskningspipelines. For eksempel kan du bruke Embryonet til samtidig å teste hundrevis av stoffer i en høyhastighetsprosess for deres effekter på eller risiko for spesifikke organer eller utviklingsprosesser – uten å fullføre lange studier med et stort antall forsøksdyr for hvert enkelt stoff. Embryonet gir også informasjon om mekanismene for hvordan potensielle nye medikamenter virker. "På lang sikt kan Embryonet erstatte et stort antall dyreforsøk innen legemiddelforskning og akselerere konvensjonelle prosesser gjennom automatisering samtidig som kostnadene reduseres betydelig," konkluderer Patrick Müller.


Kilder:

Journal reference:

Capek, D.,et al. (2023) EmbryoNet: bruk av dyp læring for å koble embryonale fenotyper til signalveier. Naturmetoder. doi.org/10.1038/s41592-023-01873-4.