Modellering av cellulär upptagning via IFITM-vägen för datadrivna läkemedelsutveckling
Forskningsprojekt, 2024 – 2027

Fältet för läkemedelsupptäckt utvecklas snabbt med hjälp av datadrivna metoder för att designa nya läkemedel och återanvända befintliga läkemedel för nya indikationer. Dessa metoder kräver stora mängder data för att kunna förutsäga de komplexa sambanden mellan molekylär struktur och biologisk funktion noggrant. Ett område som fokuseras på är utvecklingen av multi-target terapeutiska modaliteter, som kan samverka med flera sjukdomsmål samtidigt för att uppnå synergistiska effekter och förbättra terapeutiska resultat. Men att designa dessa stora molekyler är utmanande, särskilt när det gäller att förutsäga deras cellupptaget. Den föreslagna forskningen syftar till att utveckla en integrerad datadriven ram med hjälp av molekylärdynamiksimuleringar och maskininlärning för att modellera cellulärt upptag via en proteinsignalvägen som nyligen upptäcktes som ett medel för cellulärt upptag av stora modaliteter. Ramverket kommer att användas för att designa nya cellgenomträngliga proteinnedbrytningsmolekyler, och kan leda till en bättre förståelse av mekanismerna för deras passage genom cellmembranet. Den potentiella effekten av detta projekt på läkemedelsupptäcktsprocessen är betydande. Resultaten av detta arbete kommer att hjälpa experimentella laboratorier spara tid och pengar genom att möjliggöra att resurser fokuseras på syntes och testning av molekyler som sannolikt är cellgenomträngliga. De kommer också att leda till ett förbättrat arbetsflöde för läkemedelsdesign av stora terapeutiska modaliteter, liksom skapandet av nya strukturerade datamängder för modellering av cellulär genomtränglighet via den här proteinsignalvägen. Sammanfattningsvis har det föreslagna arbetet potential att påverka fältet för läkemedelsutveckling betydligt genom att tillhandahålla nya insikter och verktyg för rationell design av cellgenomträngliga läkemedel som inte följer traditionella läkemedelsdesignriktlinjer, vilket möjliggör upptäckt av terapier för tidigare "icke-drogbar" proteiner.

Deltagare

Rocio Mercado (kontakt)

Chalmers, Data- och informationsteknik, Data Science och AI

Finansiering

Vetenskapsrådet (VR)

Projekt-id: 2023-05473
Finansierar Chalmers deltagande under 2024–2027

Mer information

Senast uppdaterat

2024-01-10