Svenska forskare lär AI att förutsäga molekyler 10 000 gånger snabbare

En AI-modell från Chalmers och Göteborgs universitet kan simulera hur molekyler beter sig omkring 10 000 gånger snabbare än traditionell molekyldynamik. Forskningen gjordes tillsammans med AstraZeneca och publicerades i tidskriften Science Advances. I praktiken handlar det om att korta ner ett av de dyraste och långsammaste stegen i läkemedelsutveckling: att sålla fram vilka molekyler som ens är värda att testa vidare.

Det låter kanske abstrakt. Men bakom siffran döljer sig en fråga som rör oss alla: hur snabbt vi får fram nya mediciner mot sjukdomar som i dag saknar bra behandling.

Varför det tar över tio år att få fram ett läkemedel

Att utveckla ett nytt läkemedel tar ofta mer än ett decennium och kostar miljarder kronor. En stor del av både tiden och pengarna försvinner i de tidiga stegen, långt innan någon människa testar preparatet. Där screenas tusentals molekyler för att hitta de få som binder rätt, håller sig stabila i kroppen och inte ställer till med biverkningar. Bara en bråkdel går vidare.

Traditionellt görs det med molekyldynamik. Forskare räknar steg för steg ut hur krafterna mellan alla atomer påverkar varandra och flyttar dem en liten bit i taget.

Problemet är tidsskalan. Varje beräkningssteg måste vara extremt kort, en femtosekund, alltså 0,000000000000001 sekunder, för att simuleringen ska hålla ihop. De biologiska förlopp forskarna är intresserade av sker på mikro- eller millisekunder. Skillnaden är astronomisk. För att brygga den krävs miljarder enskilda beräkningar och även världens snabbaste superdatorer kan behöva dagar, veckor eller månader för ett komplext system.

Vad AI-modellen gör annorlunda

Istället för att räkna ut varje enskild rörelse lär sig modellen de underliggande reglerna för hur molekyler förändras över tid. Den behöver inte simulera varje femtosekund för att förutsäga var molekylen hamnar. Den hoppar över mellanstegen och gissar rätt tillräckligt ofta för att vara användbar.

Forskarna testade metoden på över 12 500 organiska molekyler och drygt 1 000 peptider, uppbyggda av kol, väte, syre och kväve. Modellen tränades att förutsäga molekylernas framtida utveckling snarare än att spåra den steg för steg. Mer om hur AI används inom drug discovery och vilka möjligheter och begränsningar som finns beskriver Drug Target Review i en genomgång av fältet.

Vad den kan säga något om:

• Bindning till målproteinet, om molekylen fäster där den ska
• Stabilitet i kroppen, om den håller ihop eller bryts ner för snabbt
• Transport genom celler, hur den tar sig dit den behövs
• Biverkningsrisk, om den riskerar att göra oönskad skada

Vinsten är inte bara hastighet. En snabbare sållning betyder att forskarna kan testa fler molekyler tidigt, sortera bort de dåliga innan de kostar pengar och lägga krutet på de kandidater som har en verklig chans.

Vad 10 000 gånger snabbare betyder i praktiken

Ta ett molekylsystem där en superdator behöver en månad på sig med traditionell molekyldynamik. Med en tiotusenfaldig uppsnabbning krymper den beräkningen till storleksordningen några minuter. Det förändrar hela arbetssättet i det tidiga labbet.

När en simulering går från veckor till minuter blir det möjligt att ställa frågor man tidigare inte hade råd att ställa. Vad händer om vi byter ut den här atomgruppen? Och den här? Forskaren kan prova hundratals varianter på en eftermiddag istället för att välja ut ett fåtal och vänta.

Det är här kostnaden sjunker. Färre återvändsgränder upptäcks tidigare. Färre dyra projekt som visar sig meningslösa efter flera år. AstraZeneca, med huvudkontor och stor forskningsverksamhet i Göteborg, är inte med i samarbetet av ren nyfikenhet, utan för att de tidiga stegen är där mycket av deras pengar bränns. Chalmers beskriver själva hur modellen tränas och vad den förutsäger i ett pressmeddelande från universitetet.

Begränsningarna man inte ska glömma

Siffrorna säger en sak, verkligheten en annan. Modellen är imponerande men fortfarande tidig. Den testades på relativt små molekylsystem, med förenklade modeller för lösningsmedlet omkring molekylerna och i en avgränsad temperaturmiljö. Kroppen är varken liten, enkel eller förutsägbar på det viset.

Det betyder att en lyckad simulering inte ersätter kliniska studier. Den ersätter inte heller labbtester. Den gör sållningen snabbare och billigare men det verkliga beviset kommer fortfarande från molekyler i provrör och sedan i människor.

AI används redan brett inom drug discovery: för att hitta nya läkemedelsmål, designa molekyler och tolka biologisk data. Investeringarna växer snabbt. Samtidigt kvarstår grundfrågorna om validering och reproducerbarhet, alltså om resultaten håller när någon annan försöker upprepa dem. En modell som gissar rätt på 12 500 testmolekyler måste bevisa att den gissar rätt även på de molekyler den aldrig sett. Liknande frågor om teknikens roll i vård och forskning dyker upp i diskussionen om hur privata sjukvårdsförsäkringar påverkar vårdsystemet.

Varför snabbare läkemedelsutveckling är en global rättvisefråga

Det handlar inte bara om att svenska patienter får nya mediciner fortare. Sjukdomar som drabbar fattigare länder hårdast, som tuberkulos, malaria och försummade tropiska sjukdomar, får ofta lite forskningspengar just för att utvecklingskostnaden är så hög och den betalande marknaden så liten.

Om de tidiga stegen blir tiotusen gånger billigare i beräkningstid sänks tröskeln för att ens börja. Läkemedel som i dag inte är ekonomiskt försvarbara att utveckla kan bli det. Det knyter direkt an till Agenda 2030 och mål 3 om god hälsa, där tillgång till mediciner är en central pusselbit.

Det handlar inte om välgörenhet. Det handlar om att teknik som sänker kostnaden för läkemedelsutveckling flyttar gränsen för vilka sjukdomar som får uppmärksamhet alls. Samma logik gäller andra teknologier som når ut dit resurserna är knappa, som när 3D-printade proteser förändrar livet i utsatta länder.

FAQ

Kan AI ersätta molekyldynamik helt?

Nej, inte i dag. AI-modellen kompletterar molekyldynamik genom att snabba upp den tidiga sållningen av molekyler. Den bygger på förståelse som molekyldynamik och verkliga tester har gett. De långsammare, mer exakta metoderna behövs fortfarande för att bekräfta resultaten.

Hur mycket snabbare är AI-modellen?

AI-modellen från Chalmers och Göteborgs universitet simulerar molekyler omkring 10 000 gånger snabbare än traditionell molekyldynamik. Beräkningar som tidigare tog veckor eller månader på en superdator kan krympa till minuter för de systemstorlekar modellen testats på.

Vilka egenskaper hos en molekyl kan AI förutsäga?

Modellen kan förutsäga om en molekyl binder till rätt målprotein, om den är stabil i kroppen, hur den transporteras genom celler och om den riskerar att orsaka biverkningar. Det är precis de frågorna forskare ställer när de sållar fram läkemedelskandidater tidigt.

Betyder detta att nya läkemedel kommer ut snabbare på apoteket?

Inte direkt. AI snabbar upp de tidiga forskningsstegen men kliniska studier på människor och myndighetsgodkännande tar fortfarande flera år. Modellen minskar risken att pengar och tid läggs på molekyler som ändå hade fallit senare.

Är AI-genererade läkemedelskandidater säkra?

En AI-förutsägelse ersätter inte säkerhetstester. Alla läkemedelskandidater måste genomgå samma labbtester och kliniska prövningar oavsett hur de identifierades. AI hjälper till att sortera bort riskabla molekyler tidigt men det slutgiltiga säkerhetsbeviset kommer alltid från verkliga tester.

Vilka svenska aktörer ligger bakom forskningen?

Forskningen genomfördes av forskare vid Chalmers tekniska högskola och Göteborgs universitet i samarbete med läkemedelsföretaget AstraZeneca. Resultaten publicerades i den vetenskapliga tidskriften Science Advances.