Forscherinnen und Forscher der New York University (NYU) haben ein KI-Modell trainiert, das die chemischen Muster erlernt, welche mit der Stabilität von wirkstoffähnlichen (drug-like) Molekülen verknüpft sind. Auf dieser Basis sagt das Modell voraus, an welchen Positionen die Wasserstoffatome in diesen Molekülen korrekt lokalisiert sein sollten. Bemerkenswert ist vor allem die Geschwindigkeit: Während klassische quantenchemische Rechnungen selbst für einzelne Moleküle aufwendig sind, durchsuchte die KI in nur wenigen Stunden rund 4,6 Millionen Verbindungen.
Die korrekte Platzierung von Wasserstoffatomen ist in der Wirkstoffforschung von zentraler Bedeutung: Sie bestimmt Ladungsverteilung, Wasserstoffbrückenbindungen und die räumliche Gestalt eines Moleküls – und damit, wie gut ein Wirkstoffkandidat an ein Zielprotein bindet. Problematisch ist, dass Wasserstoffatome in Röntgenkristallstrukturen und chemischen Datenbanken oft fehlen oder ungenau sind, da sie Röntgenstrahlen kaum streuen.
Das trainierte Modell erkennt nun stabile chemische Muster und leitet daraus die plausibelsten Positionen der Wasserstoffatome ab. Damit lassen sich bestehende Strukturdaten bereinigen und ergänzen. Die Methode könnte virtuelle Screenings und Docking-Studien deutlich beschleunigen, da sie chemisch plausible, konsistente Startstrukturen liefert – eine wichtige Voraussetzung für zuverlässige Vorhersagen in der computerbasierten Arzneimittelentwicklung.
Hintergrund: Die Lage der Wasserstoffatome entscheidet über Tautomerie (z. B. Keto-Enol-Gleichgewichte) und Protonierungszustand eines Moleküls – zwei Eigenschaften, welche die Bioaktivität von Arzneistoffen stark beeinflussen. Da Wasserstoff experimentell schwer zu lokalisieren ist, waren solche Vorhersagen bislang zeit- und rechenintensiv.
Entitäten: new york university | person ki-modell | methode maschinelles lernen | methode tautomerie | konzept protonierungszustand | konzept wirkstoffähnliche moleküle | konzept virtuelles screening | methode röntgenkristallographie | methode docking | methode
📄 Quelle
🧪 Verwandte Rechner
Mit diesen interaktiven Werkzeugen können Sie das Thema vertiefen:
🔬 stoechiometrie-rechner → 🔬 molekuel-studio → 🔬 atomenergieniveaus →