Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind28. Juli 2022 · Q001506

Advancing discovery of better drugs and medicine

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Karen Akinsanya zufolge können AlphaFold-Strukturen in Kombination mit Schrödingers Simulations- und Designsoftware dabei helfen, Wirkstoffe gezielter auf einzelne Proteine auszurichten, etwa im Bereich von Neurotransmittern. Der Beitrag beschreibt mögliche Anwendungen, belegt aber weder klinische Erfolge noch, dass daraus bereits wirksame Medikamente hervorgegangen sind.

Mittel

Karen Akinsanya, Forschungs- und Entwicklungspräsidentin für Therapeutika bei Schrödinger, beschreibt AlphaFold als hilfreiche Ergänzung bei der Entwicklung gezielterer Medikamente. Eine wesentliche Schwierigkeit sei, ein krankheitsrelevantes Protein zu beeinflussen, ohne verwandte Proteine ebenfalls zu hemmen. AlphaFold-Strukturvorhersagen könnten zusammen mit Schrödingers physikbasierten Simulationen und Wirkstoffdesign-Verfahren dabei helfen, solche Unterschiede zu untersuchen.

Als Anwendungsfeld nennt Akinsanya Hormonsysteme und besonders Neurotransmitter, die für die Funktion des Gehirns wichtig sind. Das Team untersuche Moleküle, die ausgewählte Wirkungen natürlicher Botenstoffe nachahmen und gezielt bestimmte Signalpartner ansprechen könnten. Mögliche Bezüge sieht sie bei neurologischen Erkrankungen wie Schizophrenie und bipolarer Störung. Der Beitrag schildert diese Möglichkeiten aus ihrer Perspektive und nennt keine klinischen Ergebnisse oder bereits belegten Behandlungserfolge. Ob ein Medikament Patientinnen und Patienten tatsächlich hilft, lasse sich erst am Menschen feststellen.

Ausführlich lesen

Der Beitrag stellt dar, wie AlphaFold nach Einschätzung von Karen Akinsanya, Präsidentin für Forschung und Entwicklung im Bereich Therapeutika beim Unternehmen Schrödinger, die Suche nach neuen Medikamenten unterstützen könnte. Akinsanya schildert ihre Arbeit an Proteinen, Genen und Wirkstoffentwicklung ebenso wie ihre Erfahrung mit Patientinnen und Patienten. Sie betont den dringenden Bedarf an besseren Behandlungen, da Menschen weiterhin an Krankheiten wie Krebs und Herzleiden sterben, während nach Lösungen gesucht wird.

Eine zentrale Herausforderung der Wirkstoffentwicklung sei die Selektivität: Ein Medikament soll an ein bestimmtes krankheitsrelevantes Zielprotein binden und dessen Funktion hemmen, ohne verwandte Proteine ebenfalls zu beeinflussen. Solche verwandten Ziele vergleicht Akinsanya mit Mitgliedern einer Familie. AlphaFold liefere dafür prädiktive Proteinstrukturen. In Verbindung mit Schrödingers physikbasierten Programmen, die Wechselwirkungen zwischen Atomen simulieren, könne das Team nach ihrer Darstellung untersuchen, wie einzelne Proteine und Gruppen verwandter Proteine sich verhalten.

Besonders wichtig sei diese Genauigkeit laut Akinsanya bei Wirkstoffen, die in Hormonsysteme eingreifen. Als Beispiel nennt sie die Entwicklung von Molekülen, die ausgewählte Wirkungen natürlicher Botenstoffe nachahmen. Die Arbeit konzentriere sich dabei auf Neurotransmitter und mögliche Anwendungen bei neurologischen Erkrankungen wie Schizophrenie und bipolarer Störung. AlphaFold-Strukturen könnten zusammen mit Verfahren zur Strukturverfeinerung und zum Wirkstoffdesign helfen, gezielt einen bestimmten Partner innerhalb einer Signalprotein-Familie anzusprechen.

Der Beitrag beschreibt diese Ansätze als vielversprechend und als mögliche Beschleunigung der Wirkstoffsuche. Er berichtet jedoch nicht über ein fertiges Medikament, klinische Versuchsergebnisse oder einen nachgewiesenen Behandlungserfolg. Akinsanya hebt selbst hervor, dass sich erst am Menschen zeigt, ob eine entwickelte Medizin tatsächlich etwas bewirkt. AlphaFold erscheint in ihrer Darstellung als zusätzlicher Baustein in einem komplexen Forschungsprozess, nicht als alleinige Lösung.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Es wurden keine Sammel- oder Teilfragen zur Einordnung angegeben, daher bleibt die Einordnung leer. Die beiden Zusammenfassungen (kurz und mittel) wurden gemeinsam bewertet; beide geben den Bericht treu wieder, die Langfassung nennt zusätzlich die Hormonsysteme und die Neurotransmitter-Anwendung.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Erwartung, dass die Kombination aus AlphaFold und Schrödinger-Software die Wirkstoffforschung beschleunigen könnte
  • Die Rahmung der Forschung durch den Verweis auf Watson und Crick sowie die Frage nach dem 'Code des Lebens'

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Tempo und Grenzen
Vertrauen in Modelle
Beteiligung und Gemeinwohl

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →