Les chercheurs ont créé un modèle d’IA pour prédire les meilleures méthodes de synthèse de molécules médicamenteuses, améliorant ainsi considérablement l’efficacité et la durabilité du développement pharmaceutique.
Les chercheurs ont créé un système d’intelligence artificielle capable de prédire où une molécule médicamenteuse peut être chimiquement modifiée.
Une équipe collaborative du LMU, de l’ETH Zurich et de Roche Pharma Research and Early Development (pRED) à Bâle a utilisé l’intelligence artificielle (IA) pour concevoir une nouvelle technique permettant de prédire la méthode optimale de synthèse de molécules médicamenteuses.
« Cette méthode a le potentiel de réduire considérablement le nombre d’expériences en laboratoire requises, augmentant ainsi à la fois l’efficacité et la durabilité de la synthèse chimique », déclare David Nippa, auteur principal de l’article correspondant, publié dans la revue Chimie naturelle. Nippa est doctorante dans le groupe de recherche du Dr David Konrad à la Faculté de chimie et de pharmacie de LMU et de Roche.
Innovations dans le développement pharmaceutique
Les ingrédients pharmaceutiques actifs sont généralement constitués d’une structure à laquelle sont attachés des groupes fonctionnels. Ces groupes permettent une fonction biologique spécifique. Pour obtenir des effets médicaux nouveaux ou améliorés, des groupes fonctionnels sont modifiés et ajoutés à de nouvelles positions dans le cadre. Cependant, ce processus est particulièrement difficile en chimie, car les structures, constituées principalement d’atomes de carbone et d’hydrogène, sont elles-mêmes peu réactives.
Une méthode d’activation de la charpente est la réaction dite de borylation. Dans ce processus, un groupe chimique contenant l’élément bore est attaché à un carbone atome du cadre. Ce groupe du bore peut ensuite être remplacé par divers groupes médicalement efficaces. Bien que la borylation ait un grand potentiel, elle est difficile à contrôler en laboratoire.
En collaboration avec Kenneth Atz, doctorant à l’ETH Zurich, David Nippa a développé un modèle d’IA formé à partir de données provenant de travaux scientifiques et d’expériences fiables provenant d’un laboratoire automatisé de Roche. Il peut prédire avec succès la position de borylation de n’importe quelle molécule et fournit les conditions optimales pour la transformation chimique. « Il est intéressant de noter que les prévisions se sont améliorées lorsque les informations tridimensionnelles des matières premières ont été prises en compte, et pas seulement leurs formules chimiques bidimensionnelles », explique Atz.
La méthode a déjà été utilisée avec succès pour identifier les positions dans les principes actifs existants où des groupes actifs supplémentaires peuvent être introduits. Cela aide les chercheurs à développer plus rapidement de nouvelles variantes plus efficaces d’ingrédients actifs médicamenteux connus.
