Collaborative Drug Discovery kündigt neue NIH-Förderung für die Entwicklung eines automatisierten Molekularidentitäts-Disambiguators an

Burlingame, Kalifornien - 19. Dezember 2022 - Collaborative Drug Discovery hat in Zusammenarbeit mit der University of Miami von der National Library of Medicine einen Zuschuss in Höhe von 1.119.880 US-Dollar für die Entwicklung des Automated Molecular Identity Disambiguator (AutoMID) erhalten.

Kleine Moleküle sind eine der wichtigsten Klassen von Therapeutika, die das Leiden und in vielen Fällen den Tod von Hunderten von Millionen Menschen weltweit lindern. Kleine Moleküle dienen auch als unschätzbare Werkzeuge für die Erforschung der Biologie, oft mit dem Ziel, neuartige Ziele für die Entwicklung künftiger therapeutischer Mittel zu validieren. Die Reproduzierbarkeit von Versuchsergebnissen und die Interoperabilität und Wiederverwendbarkeit der daraus resultierenden Datensätze hängen von genauen Beschreibungen der zugehörigen Forschungsobjekte ab, vor allem aber von der korrekten Darstellung kleiner Moleküle, die in biologischen Versuchen getestet werden. So ist es beispielsweise nicht möglich, Vorhersagemodelle für die Wechselwirkungen zwischen Proteinen und kleinen Molekülen zu entwickeln, wenn deren chemische Struktur nicht korrekt dargestellt wird. Viele Faktoren tragen zu Fehlern bei der Darstellung chemischer Strukturen in Referenzdatenbanken für das Screening kleiner Moleküle und omics, wissenschaftlichen Veröffentlichungen und vielen anderen webbasierten Ressourcen und Dokumenten bei. Aufgrund der Komplexität der Darstellung von Graphen chemischer Strukturen kleiner Moleküle und des Mangels an gründlicher Kuratierung werden Fehler häufig von Laien eingebracht, und die Fehlerfortpflanzung über verschiedene digitale Forschungsressourcen hinweg ist ein allgegenwärtiges Problem. Um dieses schwierige Problem mit einem skalierbaren Ansatz anzugehen, schlagen wir den Automated Molecular Identity Disambiguator (AutoMID) vor. AutoMID kann im Batch-Modus über eine API genutzt werden, um beispielsweise die Standardisierung und Registrierung chemischer Strukturen durch die Verwalter digitaler Forschungsressourcen zu unterstützen, aber auch im interaktiven Modus (UI), damit Forscher im Alltag ihre Darstellungen kleiner Moleküle schnell und einfach validieren oder korrigieren können. AutoMID wird umfangreiche, hochgradig standardisierte, verknüpfte Datenbanken mit chemischen Strukturen und zugehörigen Informationen, einschließlich Namen, Synonymen, biologischer Aktivität und physikalischer Eigenschaften sowie deren Quellen/Herkunft, nutzen und Expertenregeln und KI einsetzen, um eine zuverlässige Disambiguierung chemischer Strukturidentitäten in großem Maßstab zu ermöglichen.