Een nieuw medicijn ontwikkelen kost jaren, en het overgrote deel van de kandidaat-moleculen sneuvelt pas laat, na dure proeven in het lab of de kliniek. Het Britse Potential Sciences, dat op 5 november naar buiten trad, wil die uitval naar voren halen. Niet met meer labwerk, maar met data die de computer zelf maakt.
Natuurkunde als bron voor trainingsdata
Het idee: met de basiswetten van de natuurkunde bereken je hoe atomen op elkaar reageren, daarna kleine moleculen en uiteindelijk aminozuren en eiwitten. Uit die simulaties ontstaat een grote chemische dataset, waarop het bedrijf AI-modellen wil trainen die voorspellen hoe een molecuul zich in het menselijk lichaam gedraagt. Wie dat goed kan voorspellen, hoeft minder kansloze kandidaten in het lab te testen.
Oprichter en topman Hatem Helal zegt tegen WIRED dat moleculen die in de kliniek toch niet gaan werken, juist zo snel mogelijk moeten afvallen. Op termijn hoopt hij dat het goedkoper wordt om medicijnen te maken voor zeldzame ziekten, waar farmabedrijven nu vaak niet aan beginnen, en zelfs behandelingen die zijn afgestemd op de biologie van één persoon. Dat laatste is voorlopig een ambitie, geen resultaat.
Geld van de Britse overheid
Potential Sciences zegt een startronde van enkele tientallen miljoenen dollars te hebben opgehaald. Een van de investeerders is SovAI, het durfkapitaalfonds van de Britse overheid voor AI, naast onder meer Twin Path Ventures. Het precieze bedrag en de waardering wil het bedrijf niet noemen.
Dat de Britse staat zelf meedoet, past in de koers van Londen om eigen AI-bedrijven groot te maken. Al was er deze week ook kritiek op die koers: de Britse regering moest toegeven dat haar belofte van 400 miljard pond aan AI-groei vooral op door Google betaald onderzoek leunde.
Experts blijven voorzichtig
De grote vraag is of de voorspellingen goed genoeg worden. Precies inschatten hoe sterk een medicijn zich bindt aan een ziekte-eiwit is notoir lastig. Scheikundige Peter Wolynes van Rice University verwacht wel verbetering, maar vindt dat het ontwerpen van eiwitten nog op het niveau van de Romeinen staat, niet van de Renaissance.
Potential Sciences staat met dit plan niet alleen. Google DeepMind gaf onlangs een AI-agent scheikundige vaardigheden voor medicijnonderzoek, en OpenAI kocht Orchestra Bio voor zijn biotechmodel. Tegelijk klinken de grote labs zelf soms al voorzichtiger: Anthropic remde in zijn beursprospectus de verwachtingen over AI-medicijnen. Tot er een middel uit zo'n simulatie daadwerkelijk door klinische proeven komt, blijft het een belofte.
