SUPREME - Superfine-structure and fragment based inhibitor design

Abstract

Ziel des SUPREME-Projekts war die Entwicklung eines experimentell gestützten Deep-Learning-Frameworks zur Identifizierung von Protein-Protein-Interaktions-(PPI)-Inhibitoren, die potenziell als Krebstherapeutika einsetzbar sind. Konkret wurden strukturbiologische Daten, die intern am HMGU sowie in öffentlichen Datenbanken verfügbar sind, als Input für ein maschinelles Lernverfahren zur fragmentbasierten Entwicklung von Inhibitoren genutzt. Im Rahmen des Projekts wurde ein KI-Modell entwickelt, das in der Lage ist, nicht-kovalente chemische Wechselwirkungen zwischen Rezeptor und Wirkstoffmolekül erfolgreich zu generalisieren. Diese Entwicklung positioniert unsere Technologie an der Spitze des internationalen Forschungsfeldes der strukturellen KI-Modellierung. Die Leistungsfähigkeit der Technologie übertrifft die von anerkannten Modellen führender Unternehmen in diesem Bereich wie Google DeepMind (Urheber von AlphaFold) oder Isomorphic Labs usw. Dieser Sachverhalt wurde durch öffentlich zugängliche Benchmarks belegt. Die von Innovationsexperten der Helmholtz-Gesellschaft durchgeführte Bewertung bestätigte das technologische Potenzial zur wirtschaftlichen Verwertung. Infolgedessen wurde das entwickelte Verfahren patentiert und an das Start-Up-Unternehmen Khumbu.AI GmbH lizenziert. Die Anwendbarkeit des Modells konnte nicht nur im Bereich der Protein-Protein-Interaktionen, sondern auch bei anderen pharmakologischen Zielstrukturen erfolgreich demonstriert werden.