Innan ett läkemedel kan börja användas måste tillverkaren veta både att det ger rätt verkan och vilka eventuella biverkningar det kan orsaka. Dessa tester kräver mycket resurser och tar mycket tid. Men nu har ett forskarlag skapat ett verktyg som kan effektivisera arbetet och dessutom ge mer information.

Forskarlaget från Rice University har använt AI-tekniken djupinlärning för att träna ett verktyg de kallar Metabolite Translator att förutsäga vilka metaboliter ett läkemedel kan ge upphov till. En metabolit är en nedbrytningsprodukt som uppstår när molekylerna i läkemedlet kommer in kontakt med enzymer i kroppen.

– Hur säkert ett läkemedel är beror inte bara på läkemedlet utan även på de metaboliter som skapas när läkemedlet aktiveras i kroppen, säger Eleni Litsa, huvudförfattare av studien som beskriver Metabolite Translator.

Normalt undersöker forskare enzymer i levern för att avgöra vilka effekter ett läkemedel haft och om det gett upphov till några biverkningar. Men metaboliter kan skapas av andra enzymer också.

– Våra kroppar är ett nätverk av kemiska reaktioner. De har enzymer som reagerar med kemikalier och kan bryta eller skapa kopplingar som ändrar deras struktur till något som kan vara giftigt eller orsaka andra komplikationer. De existerande metoderna fokuserar på levern eftersom de flesta koppsfrämmande ämnen metaboliseras där. Vi försöker istället beskriva den mänskliga metabolismen överlag, säger Eleni Litsa.

Eleni Litsa och de andra forskarna skapade Metabolite Translator genom att använda djupinlärning där verktyget fick gå igenom 900 000 kända kemiska reaktioner. Utifrån dessa data lärde sig Metabolism Translator att förutsäga vilka metaboliter som olika reaktioner kan orsaka.

Mindre manuellt arbete

Det finns redan andra verktyg som kan förutse vilka metaboliter ett läkemedel kan ge upphov till. Men dessa verktyg bygger på att experter manuellt lägger in de regler som ska följas. Något som förstås är arbetsintensivt och dyrt, plus att verktygen inte kan upptäcka något som inte täcks av en regel.

För att se hur väl Metabolite Translator fungerar jämförde forskarna det med dagens verktyg. Resultatet blev att Metabolite Translator hittade samma enzymer som de traditionella metoderna, men att det även identifierade enzymer som normalt inte är involverade i att metabolisera läkemedel, men som ändå gav upphov till metaboliter och som de traditionella metoderna missade.

– Vi har ett system som fungerar lika bra som regelbaserade system och vi använde inga fördefinierade regler, vilket kräver manuellt arbete och expertkunskap, i vårt system. Det här hade inte ens varit möjligt för bara två år sedan, säger Lydia Kavraki, professor i bland annat bioteknik vid Rice University och medförfattare till studien.

Med Metabolite Translator kan forskare och läkemedelsbolag nu få ett verktyg som bättre kan beskriva hur ett läkemedel påverkar hela kroppen. Det behöver inte heller förlita sig på att experter lägger sin värdefulla tid på att knappa in regler i en databas utan de kan istället ägna sig åt mer avancerade uppgifter.

Läs hela studien här.