Publikacja wyników badań stanowi kolejny krok milowy w wykorzystaniu sztucznej inteligencji w procesie odkrywania nowych leków. Insilico Medicine zapowiada dalsze badania nad tym związkiem, aby szerzej ocenić jego profil bezpieczeństwa, potencjalne schematy leczenia skojarzonego oraz skuteczność w leczeniu innych typów nowotworów.
Związek oznaczony jako „compound 10” wykazał wysoką skuteczność wobec mutantów FGFR2/3, które pojawiają się w trakcie terapii obecnie zatwierdzonymi lekami. Nowatorska cząsteczka selektywnie celuje w FGFR2/3, z minimalnym wpływem na FGFR1/4 i inne enzymy kinazowe, co zmniejsza potencjalne efekty uboczne. W modelach przedklinicznych wykazano, że związek ten charakteryzuje się wysoką biodostępnością po podaniu doustnym, korzystnym profilem farmakokinetycznym oraz zdolnością do hamowania wzrostu nowotworów w modelach mysich raka żołądka, co podkreśla jego znaczenie jako potencjalnej terapii przeciwnowotworowej.
Receptory czynnika wzrostu fibroblastów (FGFR) odgrywają kluczową rolę w mechanizmach nowotworzenia w różnych typach guzów litych, takich jak rak urotelialny, rak wątrobowokomórkowy, rak jajnika czy gruczolakorak płuc. Mimo licznych badań, opracowanie selektywnych inhibitorów FGFR2/3 oraz przezwyciężenie oporności na leczenie wciąż pozostaje jednym z największych wyzwań w onkologii.
Insilico Medicine od lat wykorzystuje sztuczną inteligencję w opracowywaniu innowacyjnych terapii. Już w 2016 roku firma zaproponowała wykorzystanie generatywnej AI do projektowania nowych związków chemicznych, co dało początek komercyjnej platformie Pharma.AI. Od tego czasu zespół badawczy wprowadza kolejne innowacje, a platforma Pharma.AI obejmuje teraz narzędzia wspierające cały proces odkrywania leków — od biologii i chemii po rozwój kliniczny. Od 2021 roku Insilico wytypowało już 22 kandydatów przedklinicznych spośród ponad 30 projektowanych cząsteczek, z czego 10 uzyskało zgodę na przeprowadzenie badań klinicznych.
W trakcie badań naukowcy przeprowadzili szereg modyfikacji strukturalnych i optymalizacji, dążąc do znalezienia związku o idealnym balansie pomiędzy siłą działania, selektywnością, właściwościami farmakologicznymi i bezpieczeństwem. Kluczową rolę w tym procesie odegrało autorskie narzędzie generatywnej chemii Chemistry42, które pozwoliło wytypować rdzeń strukturalny w postaci pochodnej pirrolopirazyny jako punkt wyjścia do dalszego projektowania molekularnego. Chemia obliczeniowa wspomogła również modelowanie cząsteczek pod kątem przewidywanej aktywności biologicznej.
Niedawno firma Insilico Medicine ogłosiła przełomowe odkrycie nowego, wysoce selektywnego inhibitora FGFR2/3, opracowanego przy wsparciu sztucznej inteligencji. Nowa cząsteczka wykazuje aktywność przeciwnowotworową nawet w przypadku mutacji opornościowych, co potwierdzają wyniki badań na modelu zwierzęcym raka żołądka. Dodatkowo, nowa terapia cechuje się lepszym profilem bezpieczeństwa w porównaniu z dotychczas stosowanymi inhibitorami FGFR. Szczegółowe rezultaty badań opublikowano w renomowanym czasopiśmie Journal of Medicinal Chemistry.
Na początku 2024 roku firma opublikowała artykuł w prestiżowym piśmie Nature Biotechnology, opisujący kompleksowy proces rozwoju leku ISM001-055 — od algorytmów AI po II fazę badań klinicznych. Niedawno ogłoszono także pozytywne wstępne wyniki badań II fazy (NCT05938920), gdzie ISM001-055 wykazał korzystny profil bezpieczeństwa i tolerancji we wszystkich dawkach, osiągając efekt zależny od dawki już po 12 tygodniach terapii.
