Wetenschappers van MIPT: Neurale netwerken falen bij geneesmiddelontwikkeling

Onderzoekers van het Moscow Institute of Physics and Technology (MIPT) hebben ontdekt dat kunstmatige intelligentie die wordt gebruikt voor het modelleren van toekomstige geneesmiddelen systematische fouten kan produceren. Ze testten vier populaire algoritmen: AlphaFold 3, Boltz-2, Chai-1 en Protenix-v1. De studie richtte zich op eenvoudige moleculen zoals methylamine en azijnzuur, die zowel in neutrale als in geladen vorm kunnen voorkomen. De resultaten toonden aan dat de voorspellingen meer afhingen van het invoerformaat (CCD-standaard of SMILES-notatie) dan van de lading van het molecuul. Verontrustend was dat de voorspelde bindingslengtes systematisch te kort waren, soms met een factor tien, wat aangeeft dat de modellen de basischemie niet volledig begrijpen. Ivan Gushchin, hoofd van het laboratorium bij MIPT, merkte op dat geen enkel hulpmiddel uitblonk in nauwkeurigheid en benadrukte de noodzaak om algoritmen te verbeteren zodat ze invariant zijn voor het invoerformaat en rekening houden met de variabiliteit van de moleculaire lading. Het werk werd ondersteund door het Russische Ministerie van Wetenschap en Hoger Onderwijs, en alle gegevens zijn openbaar beschikbaar op Zenodo.