KI entwickelt Antikörper

Um die Entwicklung neuer Medikamente zu beschleunigen, setzt das 1885 gegründete Familienunternehmen Boehringer Ingelheim auf Künstliche Intelligenz, Analytics und Data Science. Dazu schuf das Unternehmen auch den eigenen Bereich Global Computational Biology and Digital Sciences (gCBDS), um große Datenmengen für die Suche nach neuen Wirkstoffen zu nutzen.

Suche nach Antikörpern

Dazu gehört auch, nach neuen therapeutischen Antikörpern zu forschen. Antikörperbehandlungen sind eine wichtige Waffe im Kampf gegen schwere Krankheiten wie Krebs, Autoimmun- und Infektionskrankheiten. Zudem scheinen sie weniger Nebenwirkungen als klassische Medikamente zu haben, was die Hoffnung auf neue Behandlungsmöglichkeiten weckt.

Allerdings ist die Entwicklung neuer Antikörper sehr zeitaufwändig und arbeitsintensiv. Dabei ist nicht nur akribische Präzision gefordert, sondern auch langwierige Versuchsreihen im Labor.

KI statt Laborversuch

Warum diesen Prozess nicht mit In-silico-Methoden beschleunigen, so die Überlegungen bei Boehringer. Also die Suche nach neuen Antikörpern durch Simulationen im Computer schneller vorantreiben? Das Ziel dabei, so Andrew Nixon, Global Head of Biotherapeutics Discovery bei Boehringer Ingelheim, war klar: "Die In-silico-Entwicklung soll es Boehringer ermöglichen, neue Behandlungen für Patienten mit hohem ungedecktem Bedarf zu entwickeln und anzubieten."

Um dies zu realisieren, so Nixon weiter, entschied sich das Unternehmen dazu, "mit dem Forschungsteam von IBM zusammenzuarbeiten, das unsere Vision teilt, die In-silico-Entwicklung von biologischen Arzneimitteln Wirklichkeit werden zu lassen." Als Grundlage sollten die Sequenz-, Struktur- und molekularen Profilinformationen krankheitsrelevanter Ziele sowie Erfolgskriterien für therapeutisch relevante Antikörpermoleküle wie Affinität, Spezifität und Entwicklungsfähigkeit dienen, um In-silico neue menschliche Antikörpersequenzen zu generieren.

Vortrainierte Modelle

Boehringer will hierzu ein von IBM entwickeltes, vortrainiertes KI-Modell verwenden, das mit zusätzlichen proprietären Daten von Boehringer weiter verfeinert wird. Dabei stützt man sich auf neue Foundation-Modell-Technologien von IBM, die die Antikörperentwicklung schneller und effizienter machen sowie die Qualität der vorhergesagten Antikörperkandidaten erhöhen sollen.

Diese Foundation-Modelle, die sich bei der Generierung von Biologika und kleinen Molekülen mit relevanten Zielaffinitäten als erfolgreich erwiesen haben, werden verwendet, um Antikörperkandidaten für die definierten Zielmoleküle zu entwerfen. Anschließend werden die Ergebnisse mit einer KI-gestützten Simulation geprüft, so dass die besten Binder für das Ziel ausgewählt und verfeinert werden können.

In einem Validierungsschritt will Boehringer dann die Antikörperkandidaten im Labormaßstab herstellen und experimentell bewerten. Im Weiteren werden die Ergebnisse der Laborversuche dann eingesetzt, um die In-silico -Methoden über Feedbackschleifen zu verbessern.

Proprietäre Daten als Ergänzung

Die hierzu verwendeten biomedizinischen Foundation-Modelltechnologien von IBM basieren auf einer Vielzahl heterogener, öffentlich verfügbarer Datenbestände. Dazu zählen unter anderem Protein-Protein-Interaktionen und Arzneimittel-Ziel-Interaktionen, mit denen vortrainierte Modelle entwickelt werden. Diese vortrainierten Modelle können dann Partner wie Boehringer anhand spezifischer proprietärer Daten weiter verfeinern, um neu entwickelte Proteine und kleine Moleküle mit den gewünschten Eigenschaften hervorzubringen.

Weitere KI-Projekte

Die Zusammenarbeit mit IBM ist nur eines von zahlreichen KI-Projekten bei Boehringer Ingelheim. Das Unternehmen ist derzeit dabei, mit Partnern aus dem akademischen und gewerblichen Bereich ein digitales Ökosystem aufzubauen, um Medikamente schneller zu entdecken und zu entwickeln sowie neue Möglichkeiten zu schaffen, die das Leben von Patienten verbessern können.

So arbeitet man etwa mit der Medizintechnik von Zeiss zusammen, um prädiktive Analysen zu entwickeln, die eine Früherkennung von Augenkrankheiten und individuelle Behandlungen ermöglichen. Ziel ist es, den Verlust der Sehkraft bei Personen mit schweren Augenerkrankungen zu verhindern.

Dabei setzen die Partner auf die KI-gestützte Analyse großer Bilddatensätze. Damit soll die Grundlage für klinische Studien geschaffen werden, um personalisierte und präzisere Behandlungen in frühen Stadien chronischer Netzhauterkrankungen zu entwickeln. Ferner will man so mit KI-Hilfe eine frühere Erkennung und Prognose zum Erhalt des Sehvermögens durch neue Behandlungswege ermöglichen.

Boehringer Ingelheim | KI in der Forschung
Branche: Pharma
Use Case: Medikamente und Heilmethoden schneller erforschen und entwickeln
Lösung: Laborversuchsreihen mit KI-Modellen simulieren
Partner: IBM