Speuren naar moleculen die zich transformeren tot medicijn. Het is de dagtaak van prof. dr. Herman van Vlijmen en zijn ‘Discovery’ team. Met artificial intelligence (AI) gaan onderdelen in het zoekproces stukken sneller en efficiënter. ‘De afgelopen jaren kwam alles in een stroomversnelling.’
Herman van Vlijmen werkt 18 jaar bij Johnson & Johnson. Hij is Global Head Computer-Aided Drug Design en buitengewoon hoogleraar in Computational Drug Discovery aan het LACDR, Universiteit Leiden. ‘Er lopen meer dan 50 projecten voor drug discovery waar we met een groep wetenschappers aan werken. Dat doen we met allerlei methodes. Enerzijds om de activiteit van moleculen te voorspellen. Anderzijds om ideeën te genereren; welke moleculen kunnen we het beste maken.’
Drie waardevolle aspecten
De afgelopen 5 tot 10 jaar lijkt geneesmiddelenontwikkeling in een stroomversnelling gekomen. ‘De hoeveelheid beschikbare informatie is toegenomen. Maar de versnelling komt ook door nieuwe technologieën - waaronder artificial intelligence - en dankzij snellere computers.’
Van Vlijmen zit vanuit zijn functie binnen discovery aan het begin van het traject, dus vóór de klinische studies. ‘Kortom: er is een ziekte. Daarop starten wij een zoekactie naar een geneesmiddel dat een essentieel proces van de ziekte kan veranderen, met bijkomende experimenten. Onze verantwoordelijkheid is een molecuul met de juiste eigenschappen af te leveren. Maar ja. Je begint met een oneindige set mogelijke moleculen. Desondanks moet het zoekproces binnen afzienbare tijd tot iets leiden.’
En daar blijkt AI een uitkomst. Vanwege drie waardevolle aspecten. ‘Allereerst: de AI-modellen kunnen die molecuul-eigenschappen voorspellen. Denk aan potentie, absorptie en afbraak, bijvoorbeeld. Ten tweede: de synthese – iets nieuws kunnen maken. Wij moeten weten welke van al die moleculen te synthetiseren zijn, en dan ook nog binnen een paar weken. En het derde aspect: Generative AI – die dus iets genereert na input – komt zelf met voorstellen welk molecuul geschikt is. Heel waardevol voor ons proces.’
AlphaFold – dé doorbraak
Johnson & Johnson houdt zich ook bezig met zogenoemde large molecules; eiwitten, ook wel biologicals genoemd, in veel gevallen monoklonale antilichamen. En daar is in de afgelopen jaren veel gebeurd. ‘Een enorme doorbraak was het AI-syteem AlphaFold, dat de driedimensionale structuur van eiwitten kan voorspellen.’
Dat klinkt wat technisch. Een toelichting: eiwitten bestaan uit ketens van aminozuren. De manier waarop de eiwitten zijn ‘opgevouwen’ bepaalt grotendeels hun functie. Ziektes als Parkinson, Alzheimer en Cystic Fibrosis worden mogelijk veroorzaakt door verkeerd opgevouwen eiwitten. Dus AlphaFold is behulpzaam bij het voorspellen van hoe dit zit.
Van Vlijmen: ‘Naast de winst voor de large molecules is het belangrijk voor ons om dit uit te breiden naar small molecules. Want die binden zich aan de large exemplaren. De ontwikkelingen gaan in een razend tempo door. Zo was er recent een publicatie waaruit bleek dat het nieuwste AlphaFold-model van Google’s onderzoekslaboratorium DeepMind kan voorspellen hoe small molecules binden aan large molecules. Het is een kwestie van tijd voordat dit ook breed beschikbaar gaat zijn.’
Investering in Cradle
We blijven nog even bij de large molecules. Onlangs kwam in het nieuws dat het jonge Nederlandse bedrijf Cradle 22 miljoen euro heeft opgehaald voor de ontwikkeling van nieuwe medicijnen met behulp van kunstmatige intelligentie. Johnson & Johnson is één van hun klanten. Waarom?
‘Dit bedrijf focust zich op het voorspellende AI voor die large molecules en peptides (“mini-eiwitten”). Precies dus waarin wij actief zijn. Er zijn oneindige reeksen large molecules te bedenken waarvoor we eigenschappen willen voorspellen. Maar met hun AI-focus kunnen wij leren hoe we sneller en efficiënter dat soort moleculen kunnen ontwikkelen.’
Deze Cradle-samenwerking is een teken dat Johnson & Johnson zoiets niet alleen kan en wil doen, stelt Herman van Vlijmen. ‘Er is een enorme academische en biotech-wereld opgestaan in het AI-gebied. Het is effectief om daarmee samen te werken, ook voor de toekomst. Want farmaceutische bedrijven kunnen problemen in geneesmiddelontwikkeling beter definiëren. Denk aan dingen die we willen versnellen of waarvoor we technologie niet in huis hebben. Door dat concreet te maken kunnen zij focussen op aspecten waar het verschil gemaakt kan worden.’
Zo is Johnson & Johnson ook partner in het Oncode Accelerator Programma; een innovatie van het preklinische ontwikkelproces van kankertherapie. ‘We nemen deel aan het AI-platform dat daar onderdeel van is. Wij leveren relevante problemen en data aan. Samenwerking is ook hierbij win-win.’
AI kan niet alles
Natuurlijk, AI is revolutionair. ‘Maar AI kan ook weer niet alles,’ nuanceert Van Vlijmen. ‘Bovendien kan AI helemaal niets beginnen zonder aangeleverde informatie. Zeker bij “discovery” begin je aan het begin van een project vaak met weinig. Dan kan AI ook weinig.’
Data zijn key dus. Maar ook het combineren met andere methodes, zoals physics-based simulatie van moleculen en hun interacties. ‘Bijvoorbeeld door gedrag van eiwitten en small molecules in de computer te simuleren en daar eigenschappen uit te filteren. De combinatie van deze methodes met AI is krachtig.’
Zelfs op indicatieniveau
Ook gebruik van ChatGPT is een waardevolle tool. ‘Het is bekend van creëren of samenvatten van stukken tekst. Maar ook programmeren gaat vele malen efficiënter, met grote impact. Zeker als je een ChatGPT-systeem kunt voeden met interne, gespecialiseerde informatie gaat dat enorm veel lees- en speurwerk schelen. Onze sector werkt natuurlijk met grote hoeveelheden data, dus de toegevoegde waarde en tijdswinst gaan groot zijn.’
Maar zelfs op het niveau van indicatiegebieden kan artificiële intelligentie wat doen, volgens Herman van Vlijmen. ‘Bij geneesmiddelenonderzoek wil je weten: wat moet ik aanpakken om deze ziekte te genezen, oftewel de targetidentificatie. Voor infectieziektes is dat niet zo’n probleem, want je gaat gewoon achter dat virus of die bacterie aan. Maar bij psychische ziektes is het een ander verhaal. Targets zijn moeilijk te vinden, vooral omdat de details van het ziektemechanisme vaak niet bekend zijn. En juist daar kan AI mogelijk een rol spelen. Maar sowieso is het voor alle therapeutische gebieden van waarde.’
EMA-bericht over AI
