MIPT-Wissenschaftler: Neuronale Netze versagen bei der Medikamentenentwicklung

Forscher des Moskauer Instituts für Physik und Technologie (MIPT) haben entdeckt, dass künstliche Intelligenz, die zur Modellierung zukünftiger Medikamente eingesetzt wird, systematische Fehler erzeugen kann. Sie testeten vier gängige Algorithmen: AlphaFold 3, Boltz-2, Chai-1 und Protenix-v1. Die Studie konzentrierte sich auf einfache Moleküle wie Methylamin und Essigsäure, die sowohl in neutraler als auch geladener Form vorliegen können. Die Ergebnisse zeigten, dass die Vorhersagen mehr vom Eingabeformat (CCD-Standard oder SMILES-Notation) abhingen als von der Ladung des Moleküls. Alarmierend war, dass die vorhergesagten Bindungslängen systematisch zu kurz waren, manchmal um den Faktor zehn, was darauf hindeutet, dass die Modelle die grundlegende Chemie nicht vollständig verstehen. Iwan Guschtschin, Leiter des Labors am MIPT, merkte an, dass kein Werkzeug durch Genauigkeit hervorstach, und betonte die Notwendigkeit, Algorithmen zu verbessern, damit sie invariant gegenüber dem Eingabeformat sind und die Variabilität der Molekülladung berücksichtigen. Die Arbeit wurde vom russischen Ministerium für Wissenschaft und Hochschulbildung unterstützt, und alle Daten sind öffentlich auf Zenodo verfügbar.