Am 29.09.2022, 10.30 Uhr, findet die öffentliche Vorlesung des "Ernst Schering Preis für herausragende Forschungsarbeiten in der biomedizinischen Grundlagenforschung"-Gewinners im ECDF statt. Der diesjährige Preisträger ist Professor Gisbert Schneider, der einen öffentlichen Vortrag zum Thema "De novo drug design with machine intelligence" halten wird. Der Vortrag richtet sich an Wissenschaftler*innen und Studierende. Der Vortrag wird auf Englisch gehalten. Eine Anmeldung ist nicht erforderlich.

Der mit 50.000 Euro dotierte Ernst Schering Preis ist einer der renommiertesten deutschen Wissenschaftspreise. Er wurde 1991 von der Schering Forschungsgesellschaft ins Leben gerufen und wird seit 2003 jährlich von der Schering Stiftung ausgeschrieben und verliehen. Ausgezeichnet werden Wissenschaftler*innen weltweit, deren bahnbrechende Forschungsarbeit neue inspirierende Modelle oder grundlegende Wissensveränderungen im Bereich der Biomedizin hervorgebracht hat. Auszeichnen möchte die Stiftung insbesondere Wissenschaftler*innen, die sich neben ihrer Spitzenforschung im Bereich Biologie, Medizin oder Chemie aktiv in gesellschaftsrelevanten Debatten engagieren oder gezielt Initiativen lanciert haben, die zur Inspiration und Unterstützung zukünftige Generationen von Wissenschaftler*innen führen.

Thema:

In Kooperation mit dem Einstein Center Digital Future präsentiert die Schering Stiftung einen wissenschaftlichen Vortrag des diesjährigen Schering-Preisträgers Professor Gisbert Schneider.

Molekulares Design kann als Mustererkennungsprozess betrachtet werden. In diesem Zusammenhang haben sich bestimmte Methoden des maschinellen Lernens als Basistechnologie für die moderne Arzneimittelforschung herauskristallisiert. Diese Modelle zielen darauf ab, die Mustererkennungsfähigkeiten eines Chemikers zu imitieren, indem sie aus domänenspezifischen Daten lernen. Ein Teil des Reizes der Anwendung "künstlicher Intelligenz" (KI) auf die Entwicklung von Arzneimitteln liegt in der Möglichkeit, autonome Modelle zu entwickeln, die sich in riesigen molekularen Datensätzen zurechtfinden und Alternativen priorisieren können. Dieses Konzept der Arzneimittelentdeckung stellt zumindest eine teilweise Übertragung der Entscheidungsbefugnis auf eine KI dar und könnte als Synergie mit der menschlichen Intelligenz betrachtet werden, d. h. eine bereichsspezifische implizite KI, die die Fähigkeiten der Chemiker bei der Molekülentwicklung und -auswahl ergänzt. Die ultimative Herausforderung für die Entwicklung von Arzneimitteln mit Hilfe von KI besteht darin, selbstständig neue chemische Substanzen mit den gewünschten Eigenschaften von Grund auf ("de novo") zu entwickeln. Dieser Ansatz macht die oft unerschwinglichen und kostspieligen experimentellen Tests von chemischen Verbindungen weitgehend überflüssig. Ich werde wissensbasierte und datengesteuerte Methoden für die De-novo-Generierung von Molekülen und die Vorhersage pharmakologischer Aktivitäten vorstellen, wobei der Schwerpunkt auf ligandenbasierten Ansätzen liegt, die sich in Szenarien mit "wenig Daten" als nützlich und zuverlässig erwiesen haben. Es werden ausgewählte prospektive Fallstudien vorgestellt, die vom gezielten Moleküldesign bis hin zu vollautomatischen Design-Make-Test-Analyse-Zyklen reichen.