Ein neues kryptografisches System könnte die Zusammenarbeit zwischen Pharmaunternehmen und akademischen Labors ermöglichen, um Medikamente schneller zu entwickeln - ohne dass vertrauliche Informationen an die Konkurrenz weitergegeben werden.

Das Herzstück des Systems ist ein Softwareprogramm mit künstlicher Intelligenz (KI), das als neuronales Netz bekannt ist. Das Programm untersucht Informationen darüber, wie Arzneimittel mit verschiedenen Proteinen im menschlichen Körper interagieren, und kann auf der Grundlage dieser Informationen Vorhersagen über neue Arzneimittel-Protein-Interaktionen treffen.

Mehr Trainingsdaten verbessern die künstliche Intelligenz, was in der Vergangenheit eine Herausforderung darstellte, da die Entwickler von Arzneimitteln aus Gründen des geistigen Eigentums in der Regel keine Daten weitergeben. Das neue System ermöglicht es einer KI, die Crowdsourcing Dies könnte Partnerschaften für eine schnellere Entwicklung von Arzneimitteln fördern, berichten Forscher in Science.

Die Identifizierung neuer Wechselwirkungen zwischen Arzneimitteln und Proteinen könnte neue Behandlungsmöglichkeiten für verschiedene Krankheiten aufzeigen oder offenbaren, ob bestimmte Arzneimittel mit unerwünschten Proteinzielen interagieren, was die Vorhersage spezifischer Nebenwirkungen verbessern würde, sagt Ivet Bahar, eine Computerbiologin an der Universität von Pittsburgh (nicht an der Studie beteiligt).

In dem neuen KI-Trainingssystem werden die von Forschungsgruppen erhaltenen Daten auf mehrere Server aufgeteilt, und der Besitzer jedes Servers sieht nur scheinbar zufällige Zahlen: "Das ist der Punkt, an dem die kryptographische Magie Obwohl kein einzelner Teilnehmer die Millionen von Arzneimittel-Protein-Wechselwirkungen sehen kann, aus denen der Trainingssatz besteht, können die Server diese Informationen gemeinsam nutzen, um einem neuronalen Netz beizubringen, die Interaktivität von Arzneimittel-Protein-Kombinationen vorherzusagen, auch wenn sie vorher keinen Zugang zu den Daten hatten.diese Informationen.

"Dieses Projekt ist visionär", sagt Jian Peng, Computerwissenschaftler an der University of Illinois, "ich glaube, dass es den Grundstein für die Zukunft der Zusammenarbeit in der Biomedizin legen wird."

Die MIT-Biologin Bonnie Berger und ihre Kollegen Brian Hie und Hyunghoon Cho bewerteten die Genauigkeit des Systems, indem sie ein neuronales Netz auf etwa 1,4 Millionen Arzneimittel-Protein-Paare trainierten. Die Hälfte dieser Paare stammte aus der STITCH (Search Tool for Interactions of Chemicals)-Plattformdatenbank mit bekannten Arzneimittel-Protein-Interaktionen; die andere Hälfte bestand aus Paaren, dieBei neuen Medikamenten-Protein-Paaren, von denen bekannt war, ob sie interagieren oder nicht, wählte die KI mit einer Genauigkeit von 95 % aus, welche Sätze interagierten.

Um zu testen, ob das System bisher unbekannte Arzneimittel-Protein-Wechselwirkungen identifizieren kann, trainierte Bergers Team das neuronale Netz auf fast zwei Millionen Arzneimittel-Protein-Paare: den gesamten STITCH-Datensatz bekannter Wechselwirkungen sowie die gleiche Anzahl nicht interagierender Paare. Die vollständig trainierte KI schlug mehrere Wechselwirkungen vor, die noch nie oder schon früher berichtet worden waren,die aber nicht in der STITCH-Datenbank enthalten waren.

So identifizierte die KI beispielsweise eine Wechselwirkung zwischen Östrogenrezeptorproteinen und einem zur Behandlung von Brustkrebs entwickelten Medikament namens Droloxifen. Das neuronale Netz fand auch eine neuartige Wechselwirkung zwischen dem Leukämiemedikament Imatinib und dem ErbB4-Protein, von dem angenommen wird, dass es bei verschiedenen Krebsarten eine Rolle spielt. Die Forscher bestätigten diese Wechselwirkung mitLaborversuche.

Ein solches sicheres Computernetzwerk könnte die Zusammenarbeit auch in anderen Bereichen als der pharmazeutischen Entwicklung fördern: Krankenhäuser könnten vertrauliche medizinische Daten austauschen, um KI-Programme zu trainieren, die Prognosen erstellen oder Behandlungsstrategien empfehlen, so Peng.

"Wann immer man eine Studie über eine große Anzahl von Menschen über Verhalten, Genomik, medizinische Aufzeichnungen, juristische Aufzeichnungen, finanzielle Aufzeichnungen - alles, was sensibel für den Datenschutz ist - durchführen möchte, können diese Arten von Techniken sehr nützlich sein", sagt Wu." [ScienceNews]

REFERENZ

1. Hie, H. Cho und B. Berger: Realisierung der privaten und praktischen pharmakologischen Zusammenarbeit. Wissenschaft Vol. 362, October 19, 2018, p. 347. doi:10.1126/science.aat4807.