 | PCADMET – Vorhersagesoftware für schnellere Medikamentenentwicklung |
Fraunhofer FIRST hat im Projekt PCADMET Modelle zur Vorhersage von Moleküleigenschaften für die Bayer Schering Pharma AG entwickelt. Auf der Basis von Methoden des Maschinellen Lernens können diese Modelle bestimmte Eigenschaften, wie Wasser- und Fettlöslichkeit, und die Stabilität der Substanz im Körper, „in silico“, also im Computer, vorhersagen. Die Modelle werden in der computergestützten Medikamentenentwicklung eingesetzt, um teure und aufwändige Laborexperimente einzusparen. Dadurch ist die Bayer Schering Pharma AG in der Lage, die Resourcen auf diejenigen Moleküle zu konzentrieren, deren Eigenschaften am vielversprechendsten erscheinen.
| Methodik |
Die Forscher bei Fraunhofer FIRST wählten ein mathematisches Modell basierend auf Gauß‘schen Prozessen, um den Zusammenhang zwischen quantifizierbaren Merkmalen eines Moleküls, den Deskriptoren, und der vorherzusagenden Eigenschaft zu bestimmen. In einem Trainingsprozess lernt das Vorhersagemodell den komplexen Zusammenhang zwischen Deskriptoren und der Eigenschaft, basierend auf Substanzen mit bekannten Messwerten. Nach dem Training können dann Eigenschaften von neuen, noch nicht gemessenen Substanzen vorhergesagt werden. Diese Auswertung geht blitzschnell: Die Vorhersage für die Wasserlöslichkeit einer Substanz liegt beispielsweise in unter einer Sekunde vor.
Der Vergleich mit den Prognosemodellen, die die Bayer Schering Pharma AG bisher benutzt hat, zeigte, dass sich mit dem Ansatz von FIRST eine deutliche Steigerung der Genauigkeit ergibt. Die von FIRST erstellten Modelle zeichnen sich durch eine weitere Eigenschaft aus: Sie sind in der Lage, zu jeder Prognose auch eine Abschätzung des individuellen Vorhersagefehlers zu geben.
| Auftraggeber |
Bayer Schering Pharma AG
| Partner |
idalab GmbH
| Weitere Informationen |
| Kontakt |
| ||||||