Künstliche Intelligenz, aktuell.
Direkt aus den Originalmeldungen.

Inductive gewinnt OpenADMET-CYP-Challenge zum vierten Mal in Folge

6. November 2026, 17:00Quelle: PR Newswire
Inductive gewinnt OpenADMET-CYP-Challenge zum vierten Mal in Folge
Bild: PR Newswire

Inductive belegte den ersten Platz bei der OpenADMET CYP Direct Inhibition Blind Challenge und setzte sich gegen mehr als 270 Teilnehmer aus der Biopharmaindustrie, der Wissenschaft und KI-Organisationen durch. Damit erzielt das Unternehmen für chemische Intelligenz zum vierten Mal in Folge den ersten Platz bei Blind-Wettbewerben zur Wirkstoffentdeckung von OpenADMET.

Das Wichtigste in Kürze
  • Inductive belegte den ersten Platz bei der OpenADMET CYP Direct Inhibition Blind Challenge.
  • An der Challenge nahmen mehr als 270 teilnahmeberechtigte Teilnehmer mit 750 Verbindungen teil.
  • Die Modelle sagten pIC50 für CYP3A4, CYP2D6, CYP2C9 und CYP1A2 voraus.
  • NVIDIA belegte den dritten und Recursion den vierten Platz.
  • Für Inductive ist dies der vierte OpenADMET-Sieg in Folge.

Blindtest für Vorhersagen zur Arzneimittelsicherheit

Bei der Challenge mussten die Teilnehmer die Hemmwirkung, gemessen als pIC50, für vier wichtige Cytochrom-P450-Isoformen vorhersagen: CYP3A4, CYP2D6, CYP2C9 und CYP1A2. Die Messwerte für 750 Verbindungen wurden bis zum Ende des Wettbewerbs zurückgehalten.

Cytochrom-P450-Enzyme verstoffwechseln den Großteil der niedermolekularen Arzneimittel. Verbindungen, die diese Enzyme hemmen, können gefährliche Wechselwirkungen zwischen Arzneimitteln auslösen. Ihre frühzeitige Identifizierung ist daher ein wichtiger Bestandteil der Wirkstoffentdeckung. Vorhersagemodelle können Forschern dabei helfen, dieses Risiko zu erkennen und chemische Designs entsprechend anzupassen.

Da die Verbindungen den Teilnehmern zuvor unbekannt waren, bot das Blindformat einen Test der ADMET-Modellierung unter Bedingungen, die laut Inductive näher an realen Vorhersagen liegen. Für die Kategorie Direct Inhibition meldeten sich mehr als 270 teilnahmeberechtigte Teilnehmer an.

Inductive führt Teams von NVIDIA und Recursion an

Die Beacon-Modelle von Inductive belegten den ersten Platz in einem Teilnehmerfeld mit Teams führender KI- und Biopharmaorganisationen. NVIDIA kam auf den dritten, Recursion auf den vierten Platz.

Das Unternehmen erklärte, dies sei sein vierter OpenADMET-Sieg in Folge. Die vorherigen Erfolge erzielte Inductive bei der ASAP-Polaris-OpenADMET Antiviral Challenge im Jahr 2025, der OpenADMET-ExpansionRx Challenge im Februar 2026 und der OpenADMET PXR Blind Challenge im Juli 2026.

Über alle vier Challenges hinweg seien die Beacon-Modelle von Inductive an 19 wichtigen Endpunkten der Wirkstoffentdeckung getestet worden und hätten sich gegen mehr als 1.000 Wettbewerber durchgesetzt, darunter große Biopharma- und KI-Organisationen.

Inductive führt die Leistung auf Chemiedaten zurück

Inductive zufolge basieren die Beacon-Modelle auf einem vorwettbewerblichen Datenkonsortium, das das Unternehmen als einen der größten und vielfältigsten zentralisierten ADMET-Datensätze der Branche bezeichnete. Die Modelle werden zudem auf den chemischen Raum jedes Partners feinabgestimmt.

„Damit KI in der Chemie mit den Fortschritten in Programmierung und Mathematik mithalten kann, sind Daten der Engpass“, sagte Ben Birnbaum, Mitgründer und CTO von Inductive. Chemiedaten stammten aus realen Experimenten, die teuer seien und Wochen bis Monate an Expertenarbeit in chemischen Laboren erforderten, erklärte er.

Inductive positioniert Beacon außerdem neben Indy, seinem KI-Chemieagenten. „Die Kombination hochmoderner Modelle wie dieser mit Indy, unserem KI-Chemieagenten, hilft jedem Chemiker, bei jedem Design hochwertigere Entscheidungen zu treffen. Dadurch benötigen Programme weniger Designzyklen, um bessere Entwicklungskandidaten zu erreichen“, sagte Josh Haimson, Mitgründer und CEO von Inductive.

Für Wirkstoffentdeckungsteams liefert das Ergebnis einen weiteren externen Vergleichswert für die Vorhersagemodelle von Inductive. Zugleich führt das Unternehmen die Leistung auf sein Datenkonsortium und die partnerspezifische Feinabstimmung der Modelle zurück. Inductive erklärte, seine Modelle, Laborrobotik und fachkundigen Chemiker unterstützten Entdeckungsprogramme mit führenden Biopharmapartnern.

Ähnliche Meldungen

MITs CheMeleon sagt Moleküleigenschaften mit wenigen Daten voraus
Forschung6. November 2026, 20:00

MITs CheMeleon sagt Moleküleigenschaften mit wenigen Daten voraus

Forschende am MIT haben CheMeleon entwickelt, ein Machine-Learning-Modell, das Moleküleigenschaften vorhersagen soll, wenn nur wenige Daten verfügbar sind. Das…

Joules-to-GDP: Kleineres Gemma 4 31B schlägt GLM 5.2 beim Nutzen pro Energieeinheit
Forschung5. November 2026, 01:47

Joules-to-GDP: Kleineres Gemma 4 31B schlägt GLM 5.2 beim Nutzen pro Energieeinheit

Das KI-Modell mit dem wertvollsten Arbeitsergebnis ist nicht immer die beste Nutzung von Energie. Das zeigt Joules-to-GDP, eine Studie von Forschern aus Stanford, UC…

NVIDIA beschleunigt mit Tensor-Core-FP32-Methoden die Inferenz des Point Edge Transformer für MLIPs
Chips und Infrastruktur29. Oktober 2026, 16:00

NVIDIA beschleunigt mit Tensor-Core-FP32-Methoden die Inferenz des Point Edge Transformer für MLIPs

Laut NVIDIA können Tensor-Core-Methoden, die FP32-Matrixrechnung emulieren, maschinell gelernte interatomare Potenziale ohne erneutes Training beschleunigen. In Tests…