KU Leuven en SandboxAQ werken samen om sneller behandelingen voor Parkinson te vinden met AI
ATP10B is een eiwit dat wordt geassocieerd met bescherming tegen de ziekte van Parkinson. Deze innovatieve AI technologie zal de zoektocht naar moleculen die de functie van ATP10B kunnen verbeteren, versnellen en uitbreiden, wat de weg vrijmaakt voor nieuwe behandelingen voor de ziekte van Parkinson.
Voortbouwend op onderzoeksbeurzen van de Michael J. Fox Foundation for Parkinson’s Research en het Aligning Science Across Parkinson’s Initiative, zal het Vangheluwe-lab in samenwerking met het AI-platform van SandboxAQ bijdragen aan een beter begrip van de onderliggende mechanismen van ATP13A2- en ATP10B-dysfunctie bij Parkinson.
Bij de ziekte van Parkinson is de communicatie en energiehuishouding in hersencellen verstoord. Het ATP10B-gen speelt hierin een essentiële rol door het transport van een specifiek soort vetmolecule (glucosylceramide) binnen cellen te ondersteunen. Als dit proces fout gaat, hebben hersencellen moeite om te overleven.
Het eiwit ATP10B is erg complex, en we begrijpen nog niet volledig hoe het vetmolecules kan verplaatsen. Toch zoeken wetenschappers naar medicijnen (kleine moleculen) die het eiwit kunnen helpen beter te functioneren. Dit kan mogelijk de schade aan hersencellen veroorzaakt door Parkinson beperken of voorkomen.
Het laboratorium van professor Peter Vangheluwe aan KU Leuven is wereldwijd toonaangevend in het ontrafelen van het ziektemechanisme bij de ziekte van Parkinson en heeft eerder belangrijke ontdekkingen gedaan over de rol van verschillende genen bij de ontwikkeling van de ziekte.
Voor dit project werkt het Labo voor Cellulaire Transportsystemen van professor Vangheluwe samen met het Centre for Drug Design and Discovery (CD3) van KU Leuven Research and Development en SandboxAQ, een spin-off van Alphabet Inc (het moederbedrijf van Google).
SandboxAQ maakt gebruik van geavanceerde AI-simulaties en Large Quantitative Models (LQMs) om medicijnontwikkelingsprojecten te versnellen en te verbeteren. Hierbij gebruiken ze methoden zoals eiwitvouwing, vrije-energieberekeningen en eiwit-taalmodellen om zowel kleine moleculen als antilachamen te ontwerpen. Hun interne AI- en fysica-gebaseerde structuurvoorspellingsmogelijkheden, die al opmerkelijke nauwkeurigheid hebben aangetoond in meerdere projecten voor biotechnologiebedrijven en grote farmaceutische bedrijven, zullen worden gebruikt om de structuur van ATP10B te ontcijferen.
Dit is cruciaal om de vorming van het eiwit te begrijpen, de structurele basis van de relevante toestand te identificeren om te activeren en bindingsplaatsen te vinden. De structuurvoorspelling zal het mogelijk maken om een geïntegreerde virtuele screeningworkflow toe te passen die actieve leermethoden combineert met fysica-gebaseerde methoden in de zoektocht naar activatoren van het ATP10B-systeem, waarmee het potentieel van het eiwit wordt ontsloten.
Geen opmerkingen: