Exscientia nutzt generative KI, um die Arzneimittelforschung neu zu erfinden

Ausgehend von den Bedürfnissen der Patienten definiert Exscientia präzise Zielproduktprofile (Target Product Profiles, TPPs), die die komplexe Kombination von Eigenschaften spezifizieren, die für ein gut verträgliches und wirksames Medikament erforderlich sind. KI-Ingenieure entwickeln Algorithmen, die Panels potenzieller Arzneimittelkandidaten generieren, die den TPPs entsprechen. Aktive Lernalgorithmen helfen den Experten bei der Auswahl einer kurzen Liste von Arzneimittelkandidaten, die im Labor synthetisiert werden sollen, weil sie entweder die TPPs vorantreiben oder die Modelle für zukünftige DMTL-Zyklen verfeinern.

Die Algorithmen von Exscientia werden auf öffentlich zugänglichen Pharmakologiedaten und firmeneigenen Daten trainiert, die aus Gewebeproben von Patienten, Genomik, Einzelzell-Transkriptomik und medizinischer Literatur stammen. Durch die Kodierung von Daten während des gesamten Prozesses und die Analyse von Versuchsergebnissen und früheren Entwicklungszyklen kann Exscientia kommende Entwicklungszyklen optimieren und die Entwicklung von Wirkstoffen fördern, die physikalisch synthetisierbar sind. Mit diesem auf AWS aufbauenden, iterativen Syntheseansatz stellt Exscientia 10 Mal weniger Verbindungen her als der Branchendurchschnitt. „Die Idee ist es, chemische Details abzuklären, um sicherere und wirksamere Arzneimittelkandidaten zu entwickeln, bevor wir sie überhaupt an Patienten testen“, sagt Hallett.

Exscientia hat die Entwicklung von Medikamenten um bis zu 70 Prozent beschleunigt und gleichzeitig die Kapitalkosten um 80 Prozent gesenkt, verglichen mit dem Branchendurchschnitt. Durch den Einsatz generativer KI in Verbindung mit anderen Tools konnte Exscientia nicht nur schneller bessere Arzneimittelkandidaten entwickeln, sondern auch die richtigen Arzneimittelkombinationen für die klinische Erprobung an Patienten ermitteln.