Wetenschappers zijn erin geslaagd om met behulp van machine learning sneller potentiële medicijnen te vinden. De technologie kan na training beter voorspellen welke moleculen gewenste eigenschappen hebben vergeleken met conventionele systemen.
De machine learning-technologie is ontwikkeld door wetenschappers van het gezaghebbende instituut MIT. Volgens de onderzoekers is er een model ontwikkeld dat vervolgens getraind is met een dataset met gegevens van ongeveer 250.000 moleculen, met verschillende eigenschappen. De bedoeling was dat het systeem de gegevens ging gebruiken om te voorspellen hoe moleculen het beste geoptimaliseerd kunnen worden om als potentiële medicijnen te dienen.
Uit de experimenten van MIT blijkt dat het machine learning-model na training beter in staat is om moleculen te optimaliseren dan bestaande systemen; via machine learning werden eigenschappen zoals synthetiseerbaarheid en oplosbaarheid beter bewerkstelligd. Ook als het systeem gevraagd werd om het beste 'basismolecuul' te vinden, presteerde het beter dan conventionele systemen.
Bij medicijnontwikkeling wordt doorgaans in het lab een basismolecuul gekozen die gewenste eigenschappen bevat, zoals het binden aan een bepaalde receptor in het lichaam. Vervolgens wordt met een zogenaamd lead optimization-proces het basismolecuul verder verbeterd, zodat het eigenschappen krijgt die voor medicijnen belangrijk zijn, waaronder dus de mogelijkheid om het gemakkelijk te fabriceren, of goed op te laten lossen in vloeistoffen. Het geoptimaliseerde molecuul wordt, na de nodige tests, vervolgens onderzocht op proefdieren alvorens op mensen te worden getest.