Excelra-Daten trainieren Boltz-KI-Modelle für die Arzneimittelforschung
Boltz PBC arbeitet mit Excelra zusammen, um kuratierte GOSTAR-Daten zum Training der ADMET-Modelle in BoltzMol-1 zu nutzen. Damit soll das Screening in einer frühen Phase der Arzneimittelforschung unterstützt werden. Die Modelle sollen dabei helfen, ungünstige Verbindungen auszusortieren, bevor sie gekauft oder synthetisiert werden.
- Boltz wird kuratierte Excelra-GOSTAR-Daten zum Training der ADMET-Modelle von BoltzMol-1 nutzen.
- Die Daten umfassen die kinetische Löslichkeit, die Lipophilie und die Caco-2-Permeabilität.
- Boltz testete 10 anspruchsvolle Zielstrukturen und bestätigte für sechs davon Binder oder aktive Verbindungen.
- Laut Boltz wurden pro Ziel 28 bis 96 Verbindungen getestet.
- GOSTAR enthält Daten zu mehr als 11 Millionen kleinen Molekülen.
Kuratierte Daten für die frühe Auswahl von Verbindungen
Die Partnerschaft stellt Boltz kuratierte Messwerte aus Excelras GOSTAR-Datenbank zur Verfügung. Sie umfassen die kinetische Löslichkeit, die Lipophilie und die Caco-2-Permeabilität. Diese Messwerte werden zum Training der ADMET-Modelle in BoltzMol-1 verwendet.
Nach Angaben der Unternehmen dienen die Modelle als frühe Auswahlstufe in der Arzneimittelforschung. Sie sollen Verbindungen mit ungünstigen Eigenschaften identifizieren, bevor Forschende deren Kauf oder Synthese in die Wege leiten. Dadurch könnten Teams ihre experimentelle Arbeit stärker auf vielversprechende Kandidaten konzentrieren.
Excelra beschreibt GOSTAR als eine nach ISO 9001 zertifizierte Datenbank mit einer kuratierten Übersicht über mehr als 11 Millionen kleine Moleküle und deren biologische Eigenschaften. Die Daten sind über eine Anwendung, APIs oder als herunterladbarer Datensatz für maschinelles Lernen verfügbar.
Boltz meldet Ergebnisse für 10 schwierige Zielstrukturen
Boltz zufolge wurden in einem aktuellen technischen Bericht prospektiv 10 anspruchsvolle Zielstrukturen getestet. Die meisten dieser Ziele waren in den Affinitätstrainingsdaten des Unternehmens weitgehend nicht vertreten. Für sechs davon bestätigte das Unternehmen Binder oder aktive Verbindungen.
Bei der Arbeit wurden pro Ziel zwischen 28 und 96 Verbindungen eingesetzt. Zum Vergleich: Beim herkömmlichen Hochdurchsatz-Screening kommen Tausende bis Millionen Verbindungen zum Einsatz. Die Trefferquoten liegen dabei laut Quelle häufig unter 0,15 %.
Boltz berichtete außerdem, dass die mit GOSTAR trainierten ADMET-Modelle bei Chemie außerhalb ihrer Trainingsverteilung ein führendes Open-Source-ADMET-Paket erreichten oder übertrafen. Die größten Verbesserungen wurden bei Löslichkeit und Permeabilität gemeldet.
Warum die Partnerschaft für die Arzneimittelforschung wichtig ist
Die Unternehmen stellen die Partnerschaft vor dem Hintergrund einer Lücke bei öffentlich verfügbaren Daten dar. Excelra erklärte, dass aufbereitete Daten, darunter Löslichkeitsdaten in diesem Umfang, in öffentlichen Quellen fehlten. GOSTAR sei entwickelt worden, um eine Grundlage für Modelle zu schaffen, die mit prospektiven Daten und nicht nur mit retrospektiven Benchmarks getestet werden.
Für Boltz sollen die Daten Modelle unterstützen, die auf chemische Prozesse außerhalb typischer Trainingsdaten generalisieren können. Gabriele Corso, Mitgründer und CEO von Boltz PBC, sagte, der GOSTAR-Datensatz sei zu einem wichtigen Bestandteil der Modellierungsarbeit des Unternehmens geworden und habe ihm nach Angaben der Mitteilung viel Zeit gespart.
Boltz PBC ist ein Labor für angewandte KI und eine gemeinnützige Kapitalgesellschaft hinter offenen und proprietären Modellen zur Vorhersage von Proteinstrukturen, zum Proteindesign und zur Erforschung niedermolekularer Arzneimittel. Excelra ist ein Datenwissenschafts- und KI-Partner für Organisationen aus dem Bereich der Lebenswissenschaften. Die Mitteilung nennt weder die kommerziellen Bedingungen noch einen Starttermin für die Partnerschaft.
PR Newswire: Excelras GOSTAR™ unterstützt KI-Modelle von Boltz für die Wirkstoffforschung
