“Förbluffande hög träffsäkerhet – jag trodde knappt det var sant”
AI gör det enklare att identifiera molekyler med stor potential att utvecklas till nya läkemedel mot psykiska sjukdomar. Det visar en studie som genomförts av forskare vid Uppsala universitet och Karolinska institutet.
Bilden visar en jämförelse av AI-modellen av TAAR1 (turkos) och en struktur av receptorn som bestämts genom experiment (lila).
Inom läkemedelsutveckling används ofta experimentella metoder för att bestämma målproteiners tredimensionella strukturer och för att förstå hur molekyler binder till dem.
Informationen behövs för att kunna ta fram och designa läkemedelsmolekyler på ett effektivt sätt. Men arbetsprocessen för att bestämma strukturer kan vara krävande, och det gör att den här strategin inte alltid kan användas.
Med hjälp av Artificiell intelligens, AI, kan man förutsäga viktiga receptorers tredimensionella strukturer och därigenom påskynda utvecklingen av möjliga läkemedel.
Nu har forskare från bland annat Karolinska Institutet i Solna och Uppsala universitet studerat om AI-strukturerna också är tillräckligt bra för utveckling av läkemedel mot psykiska sjukdomar.
Marcus Saarinen doktorand vid institutionen för klinisk neurovetenskap vid Karolinska institutet.
I en studie som publiceras vetenskapligt i Science Advances har forskare använt AI för att skapa en modell av en receptors okända tredimensionella struktur. I det här fallet är det receptorn TAAR1, som är ett intressant målprotein för utveckling av läkemedel mot psykiska sjukdomar.
— Receptorn TAAR1 är ett intressant målprotein för utveckling av läkemedel mot psykiska sjukdomar. Läkemedelsmolekyler som aktiverar TAAR1 har visat lovande resultat i behandling av schizofreni och psykos, säger Marcus Saarinen, doktorand vid institutionen för klinisk neurovetenskap vid Karolinska institutet och en av studiens försteförfattare i ett pressmeddelande.
Med beräkningar på superdatorer sökte forskarna sedan i kemiska bibliotek med flera miljoner molekyler för att hitta de som passade bäst i modellen. Molekyler som förutsågs binda till receptorn testades i experiment av Marcus Saarinen och Per Svenningsson vid Karolinska Institutet.
Ett oväntat stort antal av molekylerna aktiverade TAAR1, och en av de mest potenta visade också lovande effekter i djurförsök med möss.
Jens Carlsson, professor i beräkningsbiokemi vid institutionen för cell- och molekylärbiologi.
I studiens slutskede blev plötsligt experimentella strukturer för TAAR1 tillgängliga och forskarna kunde då jämföra med AI-modellerna.
— Strukturerna genererade med AI hade förbluffande hög träffsäkerhet – jag trodde knappt det var sant. Resultaten visar också att modellering med AI är betydlig bättre än traditionella metoder. Vi kan nu använda samma strategi för receptorer som vi tidigare bara kunde drömma om att arbeta med, säger Jens Carlsson, professor i beräkningsbiokemi vid institutionen för cell- och molekylärbiologi, som ledde Uppsala universitets del av studien i ett pressmeddelande.
