Bei der Entwicklung innovativer Therapeutika spielen Daten eine zunehmende Rolle. Ihre Muster zu entschlüsseln und sie für das Design neuartiger Moleküle zu nutzen – das ist Dilyana Dimovas Aufgabe in der Large Molecule Unit bei Sanofi in Frankfurt. Einer der dortigen Forschungsschwerpunkte ist das Engineering von multispezifischen Antikörpern und Nanobody®-Molekülen. Sie bieten vielversprechende therapeutische Chancen für die Behandlung komplexer Erkrankungen.

Die Entwicklung dieser Therapeutika ist eine sehr herausfordernde Aufgabe, bei der Daten eine zentrale Rolle spielen. Um multispezifische Arzneistoffkandidaten zu finden, werden riesige Mengen biologischer Daten benötigt. Diese Daten werden von Dilyana Dimova und ihren Kolleg*innen mit automatisierten Hochdurchsatz-Screening-Verfahren in der Large Molecule Unit in Frankfurt generiert und systematisch durchsucht. „Um die Daten zu verstehen, Muster zu extrahieren und letztendlich das Arzneimitteldesign zu steuern, sind Computermethoden zu unverzichtbaren Werkzeugen geworden“, erklärt Dimova. Die Auswahl der besten Molekül-Kandidaten ist ein komplexer Multiparameter-Optimierungsprozess. „Es ist immer wieder spannend, interessante Muster in unseren riesigen Datenmengen zu finden und diese für das Design verbesserter Moleküle zu nutzen“, sagt die Sanofi-Forscherin.

Zusammenspiel von Natur und Informatik

Als promovierte Chemieinformatikerin hat Dimova den fachlichen Hintergrund für diese Herausforderung. Schon von frühauf hat sie die Natur fasziniert, schließlich entschied sie sich für ein Informatik-Studium. Ein Widerspruch? Keinesfalls. „Das Zusammenspiel von Natur und Informatik ist äußerst wirkungsvoll“, weiß Dimova. Ihr Ziel bei Sanofi ist es, versteckte Botschaften in den biologischen Daten zu finden: „Wir wollen die Informationen der Daten nutzen, um intelligente Vorhersagewerkzeuge zu entwickeln und Patient*innen so noch schneller neue therapeutische Lösungen anzubieten.“

Nanobody®-Moleküle gehören zu diesen innovativen Therapeutika. Sie sind winzig klein und bestehen aus Antikörper-Fragmenten, die zu mehrwertigen Komponenten aneinandergereiht werden können. Jeder Baustein eines solchen Nanobody®-Moleküls kann sich dabei eng an ein bestimmtes Protein binden, zum Beispiel auf der Oberfläche eines Tumors oder einer Immunzelle. Nanobody®-Moleküle sind damit in der Lage, mehrere molekulare Angriffspunkte im menschlichen Körper gleichzeitig zu erreichen. Sie bieten so das große Potenzial, komplexe Behandlungsverfahren durch einzelne, mehrfach wirkende Medikamente zu ersetzen.

Maschinelle Lernmodelle trainieren

Data-Mining-Ansätze und Modelle für maschinelles Lernen können den Forschenden bei Sanofi helfen, das Tempo bei der Entwicklung neuer Therapeutika deutlich zu erhöhen. Die im Labor generierten hochwertigen Daten werden in einer Datenbank gespeichert. Machine-Learning-Tools ermöglichen es dann, aus den Screening-Daten zu lernen und den Suchraum für zukünftige Forschungsprojekte zu reduzieren. „Mithilfe der Daten können wir maschinelle Lernmodelle trainieren, um vielversprechende von nicht-vielversprechenden Kandidaten zu unterscheiden“, erklärt die Daten-Forscherin. „Dieses Wissen lässt sich dann in zukünftigen Projekten anwenden, um etwa nur die prominentesten Kandidaten für experimentelle Tests auszuwählen.“

Die Arbeit im interdisziplinären Team bei Sanofi inspiriert die Chemieinformatikerin. Hier werden konstruktive Diskussionen geführt und Ideen geteilt, um gemeinsam zum Erfolg zu kommen. An eine ermutigende und großartige Erfahrung erinnert sie sich besonders gerne: Die innovative Antikörperplattform des Teams konnte zur Unterstützung des ersten Nanobody®-Projekts in Frankfurt eingesetzt werden. „Das hat uns gezeigt, dass unsere Bioinformatik-Workflows flexibel und gut konzipiert sind“, freut sich Dimova.

Scientist@Sanofi: Unsere Forschenden

Sie erforschen neue Behandlungsmethoden, entwickeln innovative Arzneimittel und übersetzen wissenschaftliche Innovation in medizinischen Fortschritt für Patient*innen: Forschende bei Sanofi.