idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Esch-sur-Alzette, 16. Oktober 2020 - Prof. Alexandre Tkatchenko und sein Forschungsteam an der Universität Luxemburg haben Zuschüsse in Höhe von insgesamt 500.000 Euro für die Forschung auf dem Gebiet des maschinellen Lernens für Entdeckungen in der Chemie erhalten.
Die Entdeckung und Entwicklung neuer Medikamente, antiviraler Mittel, Antibiotika und allgemein von Chemikalien mit spezifischen Eigenschaften ist ein langer und mühsamer Prozess. Dies kann sich durch interdisziplinäre Forschung in den Bereichen Biochemie, Physik und Informatik ändern. Die Entwicklung neuer Methoden maschinellen Lernerns (ML), kombiniert mit Grundprinzipien der Quanten- und statistischen Mechanik, und geschult mittels immer häufiger verfügbaren großen molekularen Datensätzen, weist das Potenzial auf, den Prozess von Entdeckungen im chemischen Bereich zu revolutionieren.
„Entdeckungen in der Chemie und maschinelles Lernen entwickeln sich zwangsläufig gemeinsam weiter, aber um eine echte Synergie zwischen ihnen zu erreichen, müssen viele noch ausstehende Fragestellungen gelöst werden“, sagt Alexandre Tkatchenko, Professor für Theoretische Chemische Physik an der Universität Luxemburg.
Maschinelles Lernen kann bei der Identifizierung von Arzneimittelkandidaten helfen
Im Frühjahr 2020 begann die Universität eine Zusammenarbeit mit dem belgischen Unternehmen Janssen Pharmaceuticals, um neuartige ML-Methoden zur Identifizierung von chemischen Verbindungen mit starkem therapeutischem Potenzial (auch Arzneimittelkandidaten genannt) zu entwickeln. Bislang wurden ML-Ansätze für kleine Moleküle entwickelt. Dieses Forschungsprojekt zielt darauf ab, die Struktur und Übertragbarkeit von auf der Quantenmechanik basierenden maschinellen Lernansätzen auf große Moleküle von pharmazeutischer Bedeutung auszuweiten.
„Die Herstellung neuartiger Chemikalien mit Wirkung auf relevante biologische Ziele stellt das Kerngeschäft von Pharmaunternehmen dar. Ansätze maschinellen Lernens haben das Potenzial, den Prozess zu beschleunigen und die Fehlerraten bei der Arzneimittelentdeckung zu verringern. Dass ein führendes Pharmaunternehmen an uns herangetreten ist, um gemeinsam an der Identifizierung von Arzneimittelkandidaten zu arbeiten, ist ein erfreuliches Zeichen für die industrielle Anerkennung unserer Expertise“, erklärt Dr. Leonardo Medrano-Sandonas, ein Postdoktorand in der Gruppe um Prof. Tkatchenko, der im Gemeinschaftsprojekt mit Janssen Pharmaceuticals mitarbeitet.
Partner in einem von der Europäischen Kommission finanzierten innovativen Forscher-Ausbildungsnetz
Zusammen mit drei großen europäischen Pharmaunternehmen (Bayer, AstraZeneca, Janssen), dem Chemieunternehmen Enamine und zehn wissenschaftlichen Partnern mit Fachkenntnissen im Bereich des Computer-gestützten Wirkstoffdesigns hat Prof. Tkatchenko im Rahmen des Marie Skłodowska-Curie Actions – Innovative Training Network Zuschüsse für das Projekt Advanced machine learning for Innovative Drug Discovery (AIDD) für den Zeitraum 2021–2023 erhalten. Dieses Projekt zielt darauf ab, innovative ML-Methoden zu entwickeln, um zu einem integrierten „One Chemistry“-Modell beizutragen, das Ergebnisse von der Molekülgenerierung bis zur Synthese vorhersagen und verstehen kann, und wie Chemie und Biologie zur Entwicklung neuer Medikamente ineinander verflochten werden können.
Hier schließen sich wissenschaftliche Expertise und medizinische und synthetische Chemiekompetenz der Industriepartner zusammen, um von großen wertvollen Datensätzen zu profitieren. Zum ersten Mal werden alle methodischen Entwicklungen als Open Source verfügbar
sein. Das Ausbildungsnetz wird eine Generation von Wissenschaftlern, die sowohl über Kompetenzen im maschinellen Lernen als auch in der Chemie verfügen, darauf vorbereiten, die medizinische Chemie voranzubringen.
„Die Erstellung präziser Vorhersagen mit Hilfe des maschinellen Lernens hängt entscheidend vom Zugang zu großen, hochwertigen Datensammlungen und von der Fachkompetenz in der Analyse dieser Daten ab“, erklärt Prof. Tkatchenko. „Die Bündelung unserer Kräfte ist ein erster Schritt auf dem Weg zu einer Revolution im Bereich der Entdeckungen in der Chemie, die durch maschinelles Lernen vorangetrieben wird.“
Der Bereich des maschinellen Lernens für chemische Entdeckungen ist noch jung. Für die nahe Zukunft werden zahlreiche wesentliche Fortschritte erwartet. Prof. Tkatchenko hat kürzlich einen Artikel in dem renommierten Journal Nature Communications veröffentlicht, in dem er die jüngsten Durchbrüche in diesem immer wichtiger werdenden Bereich diskutiert und die Herausforderungen für die kommenden Jahre hervorhebt. Der Artikel ist online verfügbar.
––– Kontakt: Laura Bianchi, T. (+352) 46 66 44 9451, E. laura.bianchi@uni.lu.
Über die Universität Luxemburg
Die Universität Luxemburg ist eine internationale Forschungsuniversität mit einem ausgeprägten mehrsprachigen und interdisziplinären Charakter. Die Universität wurde 2003 gegründet und zählt mehr als 6.700 Studierende und mehr als 2.000 Mitarbeitende aus der ganzen Welt. Die Fakultäten und interdisziplinären Zentren der Universität konzentrieren sich auf Forschung in den Bereichen Informatik und IKT-Sicherheit, Materialwissenschaften, europäisches und internationales Recht, Finanzen und Finanzinnovation, Bildung, digitale und zeitgenössische Geschichte. Darüber hinaus konzentriert sich die Universität auf interdisziplinäre Forschung in den Bereichen Datenmodellierung und Simulation sowie Gesundheit und Systembiomedizin. Times Higher Education platziert die Universität Luxemburg in der Kategorie "internationalen Ausrichtung" weltweit auf Platz 3, im Young University Ranking 2019 auf Platz 12 und unter den insgesamt Top 250 Universitäten weltweit.
laura.bianchi@uni.lu
nature communications
https://www.nature.com/articles/s41467-020-17844-8
Merkmale dieser Pressemitteilung:
Journalisten
Chemie, Medizin
überregional
Forschungsprojekte, Wissenschaftliche Publikationen
Deutsch
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).
