Dank Künstlicher Intelligenz: Forschende finden neue Methode für gezieltes Design von Molekülen



Teilen: 

08.02.2023 10:22

Literature advertisement

Plötzlich gesund

Fortschreitende Naturerkenntnis, ganz allgemein gesprochen, ‘Wissenschaft’, ist der stärkste Feind des medizinischen Wunders. Was unseren Vorfahren als Wunder erschien, was einfache Naturvölker heute noch in heftige Erregung versetzt, das berührt den zivilisierten Menschen längst nicht mehr.
Doch es gibt einen Gegensatz, der jedem Denkenden sofort auffällt: der unerhörte, durchaus nicht abgeschlossene Aufstieg der wissenschaftlichen Heilkunde und die ebenso unerhörte Zunahme der Laienbehandlung und der Kurpfuscherei. Man schätzt die Zahl der Menschen, die der Schulmedizin kein Vertrauen schenken, auf immerhin 50 Prozent.
Wie kann es sein, daß Laienbehandler und Kurpfuscher immer wieder spektakuläre Erfolge aufweisen, von denen die Sensationspresse berichtet?
Der Autor geht dieser Frage nach und kommt zu interessanten Erkenntnissen, aus denen er Vorschläge für eine bessere Krankenbehandlung durch seine ärztlichen Standesgenossen ableitet.

Hier geht es weiter …

Dank Künstlicher Intelligenz: Forschende finden neue Methode für gezieltes Design von Molekülen

Das Design von neuartigen Molekülen und Materialien mit spezifischen Eigenschaften kann erhebliche Fortschritte für industrielle Prozesse, die Wirkstoffentwicklung oder die Optoelektronik bringen. Jedoch ist die Suche danach mit der nach einer Nadel im Heuhaufen vergleichbar, da die Zahl der Moleküle im chemischen Raum in der unvorstellbaren Größenordnung von 10 hoch 60 liegt. Das sind deutlich mehr Moleküle als es Sterne im uns bekannten Universum gibt.

Wissenschaftler:innen der Universität Leipzig und der University of Warwick ist es nun gelungen, eine neue Methode zu entwickeln, die das gezielte Design von Molekülen und Materialien mit spezifischen Eigenschaften ermöglicht. Sie haben ihre Forschungsergebnisse jetzt im Fachjournal „Nature Computational Science“ veröffentlicht.

Die Forscher:innen kombinierten bei ihren Experimenten verschiedene Methoden der Künstlichen Intelligenz. Erstautorin Juniorprof. Dr. Julia Westermayr vom Wilhelm-Ostwald-Institut für Physikalische und Theoretische Chemie der Universität Leipzig erklärt: „Ein Modell hat gelernt, quantenchemische Eigenschaften von Molekülen vorherzusagen, während das andere gelernt hat, wie diese Moleküle aufgebaut sind.“ Das erste Modell sei notwendig, um das Screening von Eigenschaften mit hoher Genauigkeit zu ermöglichen, da herkömmliche Methoden zur Berechnung quantenchemischer Eigenschaften sehr zeit- und rechenintensiv sind. In einem iterativen Prozess, bei dem Schritte wiederholt werden, bis ein bestimmtes Ziel erreicht ist oder bestimmte Kriterien erfüllt sind, haben die Forscher:innen dann beide Modelle genutzt, um neue Moleküle zu generieren und diese nach bestimmten Eigenschaften zu filtern. „In jeder Runde hat das Design-Modell gelernt, wie die bestgeeigneten Moleküle aufgebaut sind und dadurch in der nächsten Runde gezielt Moleküle mit optimierten Eigenschaften vorhergesagt“, sagt Westermayr.

Die Basis zu der Studie wurde von Rhyan Barrett bei einem Praktikum an der University of Warwick in England gelegt, das vom Netzwerk „Artificial Intelligence and Augmented Intelligence for Automated Investigations for Scientific Discovery“ (AI4SD) finanziert wurde. Es bringt Forschende zusammen, die sich mit dem Einsatz modernster Technologien der Künstlichen und erweiterten Intelligenz befassen, um die Grenzen der wissenschaftlichen Entdeckung zu erweitern.

Moleküle mit optimierten Eigenschaften

„Besonders erstaunt waren wir, dass wir mithilfe der Künstlichen Intelligenz Muster in den Daten finden konnten, die zu optimierten Eigenschaften führten“, sagt Rhyan Barrett. Zuletzt gelang es den Forscher:innen noch, multiple Eigenschaften zu optimieren. Dies ermöglicht es, die Methode zu verwenden, um paretooptimale Lösungen zu finden. Eine paretooptimale Lösung liegt dann vor, wenn die Lösung von mehreren optimierten Eigenschaften gefunden wurde und die einzelnen Eigenschaften nur noch besser werden können, wenn eine andere Eigenschaft dabei schlechter wird.

Die entwickelte Methode wurde verwendet, um funktionelle organische Moleküle, die für die Optoelektronik relevant sind, zu designen. Verwendet werden könnten diese neuartigen Materialien mit höherer Effizienz unter anderem in der Solarenergie-Branche, für LED-Beleuchtung, Display-Technologie, Datenspeicherung, Sensorik sowie für optische Fasern in der Kommunikationstechnologie. Die neue Methode lässt sich auch auf andere Gebiete übertragen. Mögliche andere Anwendungsgebiete sind die Wirkstoffentwicklung für neue Medikamente mit gezielten, verbesserten Eigenschaften, die gegen bestimmte Krankheiten wirken. Auch in den Umweltwissenschaften kann Moleküldesign eingesetzt werden, um neue Verfahren zur Reinigung von Abwasser und Luft zu entwickeln. In der Biotechnologie basiert die Entwicklung neuer Biokatalysatoren und Enzyme auf dem Design von Molekülen mit spezifischen Funktionen.


Wissenschaftliche Ansprechpartner:

Juniorprof. Dr. Julia Westermayr
Wilhelm-Ostwald-Institut für Physikalische und Theoretische Chemie der Universität Leipzig
Telefon: +49 341 97-36404
E-Mail: julia.westermayr@uni-leipzig.de


Originalpublikation:

Originaltitel der Veröffentlichung in „Nature Computational Science“:
“High-throughput property-driven generative design of functional organic molecules”, http://doi.org/10.1038/s43588-022-00391-1


Weitere Informationen:

https://www.nature.com/articles/s43588-022-00391-1


Bilder

Die Grafik zeigt, wie Moleküle aus einer Box entstehen. Diese Moleküle können dann mit anderen Modellen, basierend auf der künstlichen Intelligenz, gescreent werden, die durch die zwei nebeneinanderliegenden Boxen dargestellt werden.

Die Grafik zeigt, wie Moleküle aus einer Box entstehen. Diese Moleküle können dann mit anderen Model
Grafik: Joe Gilkes


Merkmale dieser Pressemitteilung:
Journalisten, Wissenschaftler
Chemie, Elektrotechnik, Informationstechnik, Medizin, Wirtschaft
überregional
Forschungsergebnisse, Wissenschaftliche Publikationen
Deutsch


 

Quelle: IDW