Syntekabio hat den Start seines kosteneffizienten KI-basierten Gesamtlösungsdienstes für die Suche nach neuen Wirkstoffkandidaten bekannt gegeben. STB CLOUD ist eine umfassende Lösung aus einer Hand, die auf der Syntekabio-eigenen KI-Plattform DeepMatcher® basiert, die durch Supercomputing-Technologie unterstützt wird. Die Gesamtlösung unterstützt die automatische Entdeckung von Hits, die automatische Generierung von Leads, die automatische ADMET/PK (bei der Aufgabe) und PGx-Biomarker für die Kennzeichnung von Medikamenten.

Mit Hilfe der Deep-Learning-Analyse und der automatischen Molekulardynamik (MD)-Simulationstechnologie für Zielproteine erzeugt die Lösung innerhalb von zwei Jahren vorklinische Kandidaten, einschließlich der Durchführung von Tierversuchen. Dieser Prozess verkürzt den Zeitraum bis zu vorklinischen Versuchen drastisch auf zwei Jahre, im Vergleich zu durchschnittlich bis zu sieben Jahren bei der herkömmlichen Arzneimittelentwicklung. Im Allgemeinen dauert die Entdeckung und das Screening von Kandidaten drei bis vier Jahre, die Optimierung ein bis drei Jahre und die gleiche Zeitspanne für nicht-klinische und Toxizitätstests.

Rechnet man fünf bis sechs Jahre für die klinischen Studien und ein paar weitere Jahre für die Vermarktung hinzu, kann die Zeit für die vollständige Entwicklung eines Medikaments von der Entdeckung an viele Jahre dauern, was die Entwicklungskosten in die Höhe treibt und gleichzeitig die potenzielle Rendite schmälert. Darüber hinaus kann die traditionelle Entwicklung eines neuen Medikaments bis zu den präklinischen Studien mehr als 10 Millionen Dollar kosten. Die STB CLOUD von Syntekabio spart nicht nur Zeit, sondern erzielt auch erhebliche Kosteneinsparungen, da sie für den gesamten Zyklus der Medikamentenentwicklung auf nur zwei Millionen Dollar festgelegt ist.

Derzeit führt Syntekabio zwei Studien im Bereich der Auto-ADMET/PK durch (bei task). Die erste befasst sich mit der Toxizität und dem Metabolismus, der durch die Bindung von Proteinen hervorgerufen wird. Sie wird auf der Grundlage des 3D-CNN (Convolutional Neural Network) modelliert. Die zweite Studie befasst sich mit der passiven Verabreichung und Permeabilität aufgrund der physikalischen und chemischen Eigenschaften des Wirkstoffs selbst, die mit vortrainierten generativen Transformatorenmodellen wie GPT-2 unter Verwendung großer Wirkstoffdatenbanken implementiert wird.

Die neuen Lösungen von Syntekabio für die Arzneimittelforschung werden auf der BIO International Convention 2023 in Boston vom 5. bis 8. Juni 2023 am Stand #2785 vorgestellt.