Optibrium, l’un des principaux développeurs de logiciels et de solutions d’IA pour la découverte de médicaments, a annoncé aujourd’hui la publication de son étude évaluée par des pairs dans Xénobiotique« Prédire les itinéraires du métabolisme des phases I et II sur la base de la mécanique quantique et de l’apprentissage automatique »1. Dans cet article, l’équipe démontre une nouvelle méthode qui détermine mieux les voies du métabolisme et des métabolites lors de la découverte précoce de médicaments.
Un métabolisme inattendu peut conduire à un échec avancé des médicaments candidats, voire au retrait de médicaments approuvés. Tôt in silico la prédiction des voies dominantes du métabolisme est donc essentielle pour améliorer les chances de succès d’un médicament.
L’article décrit d’abord le développement et la validation de WhichEnzyme d’OptibriumMT modèle, qui prédit avec précision les familles d’enzymes les plus susceptibles de métaboliser un candidat-médicament. L’équipe combine ensuite ce nouveau modèle avec les modèles précédemment publiés d’Optibrium. Il s’agit notamment de modèles de régiosélectivité pour les enzymes clés du métabolisme des médicaments de phase I et de phase II, qui utilisent des simulations de mécanique quantique avec des méthodes d’apprentissage automatique pour prédire les sites de métabolisme et les métabolites qui en résultent. De plus, le modèle WhichP450, qui prédit la ou les isoformes du cytochrome P450 responsables du métabolisme d’un composé.
Sur la base des résultats combinés du modèle, Optibrium présente une nouvelle méthode permettant de déterminer les voies métaboliques et les métabolites les plus probables à observer expérimentalement. L’article démontre que cette méthode offre une sensibilité élevée dans l’identification des métabolites rapportés expérimentalement, ainsi qu’une précision supérieure à celle des autres méthodes de prévision. in vivo profils de métabolites. Il permet aux chercheurs d’identifier des composés présentant une plus grande stabilité métabolique et de meilleurs profils de sécurité, et sous-tend le module StarDrop Metabolism récemment lancé par Optibrium.
« Notre dernière étude est le résultat de six années de recherche ciblée, fournissant un modèle pratique qui permet aux utilisateurs de prédire les voies métaboliques d’un large éventail de composés de type médicamenteux. Grâce à nos ensembles de données soigneusement sélectionnés et à notre approche signature de réactivité-accessibilité, nous avons réussi à construire des modèles précis de régiosélectivité spécifiques aux isoformes pour les importantes familles d’enzymes de phase I et II. » a déclaré le Dr Mario Öeren, scientifique principal chez Optibrium.
En utilisant ces mêmes données, nous avons formé des modèles qui prédisent les familles d’enzymes et les isoformes susceptibles de métaboliser un composé. Et puis, en combinant ces modèles, nous avons formé et validé un « modèle de modèles » qui prédit la voie métabolique complète d’un composé donné.
Dr Mario Öeren, scientifique principal, Optibrium
Pour plus d’informations sur Optibrium ou le module StarDrop Metabolism, veuillez visiter https://optibrium.com/project/metabolism-module/, contacter [email protected] ou appelez le +44 1223 815900.
1 : Mario Öeren, Peter A. Hunt, Charlotte E. Wharrick, Hamed Tabatabaei Ghomi et Matthew D. Segall (2023) Prédiction des itinéraires du métabolisme de phase I et II basées sur la mécanique quantique et l’apprentissage automatique, Xenobiotica, DOI : 10.1080/00498254.2023. 2284251
