Ny AI-mjukvara kan påskynda läkemedelsutvecklingen
Läkemedelsupptäckt och utveckling inom farmakologisk forskning - inklusive riskbedömning av aktiva substanser i den tidiga fasen av läkemedelsutvecklingen - bygger fortfarande till stor del på djurförsök. Förutom de etiska frågorna är djurstudier mycket dyra och tidskrävande. De kräver vanligtvis också kontinuerlig övervakning och utvärdering av högt kvalificerad personal. Utvecklingen av automatiserade bedömningsmetoder som kan användas istället för vanliga djurförsök skulle således ha en lång rad fördelar för läkemedelsupptäckten. Strävan efter dessa alternativa metoder är i fokus för projektet "Embryonet-AI", för vilket Patrick Müller för närvarande får ett Proof of Concept-bidrag från European Research...
Ny AI-mjukvara kan påskynda läkemedelsutvecklingen
Läkemedelsupptäckt och utveckling inom farmakologisk forskning - inklusive riskbedömning av aktiva substanser i den tidiga fasen av läkemedelsutvecklingen - bygger fortfarande till stor del på djurförsök. Förutom de etiska frågorna är djurstudier mycket dyra och tidskrävande. De kräver vanligtvis också kontinuerlig övervakning och utvärdering av högt kvalificerad personal. Utvecklingen av automatiserade bedömningsmetoder som kan användas istället för vanliga djurförsök skulle således ha en lång rad fördelar för läkemedelsupptäckten.
Strävan efter dessa alternativa metoder är i fokus för projektet "Embryonet-AI", för vilket Patrick Müller just har tilldelats ett Proof of Concept-bidrag från European Research Council (ERC) värt 150 000 euro. Müller är professor i utvecklingsbiologi vid universitetet i Konstanz och medlem av Konstanz Cluster of Excellence - Collective Behavior. Hans projekt bygger på insikter som han och hans team fick i det ERC-finansierade Ace-of-Space-projektet ("Analysis, Control and Engineering of Spatiotemporal Pattern Formation"). Målet med Müllers nya projekt är att vidareutveckla den AI-assisterade bildanalysmjukvaran Embryonet, som automatiskt upptäcker defekter som uppstår under utvecklingen av djurembryon.
Embryonet erbjuder en snabb, kostnadseffektiv och mycket exakt bedömning av ett ämnes inverkan på utvecklingen av biologiska system. Negativa effekter som synliga utvecklingsdefekter känns automatiskt igen och kopplas till motsvarande signalväg. Embryonet överträffar till och med mänskliga experter i noggrannhet. "Vi ser stor potential för att tillämpa mjukvaran för läkemedelsutveckling, särskilt i den tidiga fasen av att identifiera potentiellt lämpliga substanser - för att utföra riskbedömningar och studera mekanismerna för hur fluktuerade läkemedel fungerar", säger Müller.
Inte bara för embryon
Patrick Müller och hans team presenterade Embryonet först i en studie 2023 med zebrafiskembryon publicerade i tidskriften Nature Methods. Mjukvaran har sedan utökats till att omfatta organoider. "Organoider är konstgjorda vävnader som produceras i ett laboratorium med hjälp av mänskliga stamceller. Deras strukturer liknar små organ som lever, njure eller hjärna - och kan användas som modeller för dessa organ i läkemedelsforskning", förklarar Müller.
Som en del av Proof of Concept Grant kommer Müller och hans team att ytterligare förbättra AI-modellerna som Embryonet är baserat på för att öka dess noggrannhet och framför allt dess funktioner. Samtidigt vill teamet skapa en onlineplattform för att göra Embryonet tillgängligt för användare över hela världen. För att uppnå detta mål kommer Müller och hans team att arbeta hand i hand med andra forskare, industripartners och nyckelregulatorer för att säkerställa att onlineplattformen möter behoven hos dess framtida användare och uppfyller regulatoriska krav. Det övergripande målet är att utveckla Embryonet till en marknadsfärdig produkt.
Idén: Eftersom Embryonet är helt automatiserat kan läkemedelsföretag helt integrera plattformen i sina forskningspipelines. Du kan till exempel använda Embryonet för att samtidigt testa hundratals ämnen i en högkapacitetsprocess för deras effekter på eller risker för specifika organ eller utvecklingsprocesser – utan att genomföra långa studier med ett stort antal försöksdjur för varje enskilt ämne. Embryonet ger också information om mekanismerna för hur potentiella nya läkemedel fungerar. "På lång sikt kan Embryonet sedan ersätta ett stort antal djurexperiment inom läkemedelsforskning och påskynda konventionella processer genom automatisering samtidigt som kostnaderna minskar avsevärt", avslutar Patrick Müller.
Källor:
Capek, D.,et al. (2023) EmbryoNet: använda djupinlärning för att koppla embryonala fenotyper till signalvägar. Naturmetoder. doi.org/10.1038/s41592-023-01873-4.