Ansökan: Öppen och fri infrastruktur för prediktiv modellering vid läkemedelsutveckling

Tidsperiod:

1 januari 2013 – 31 december 2015

Projektledare:

Jarl Wikberg

Projektdeltagare:

Chanin Nantasenamat

Finansiär:

Vetenskapsrådet

Bidragstyp:

Projektbidrag

Budget:

750 000 SEK

En av de viktigaste faktorerna som hämmar utvecklingen av fattiga länder är dålig hälsa. Många smittsamma sjukdomar förekommer, där HIV, tuberkulos och malaria är de mest problematiska, men också ett stort antal försummade sjukdomar är vanliga och problematiska, som snäckfeber, filiaria, flodblindhet, sömnsjuka, gula febern, denguefeber och japansk hjärninflammation, bara för att nämna några.

Trots att det finns ganska bra mediciner mot HIV, tuberkulos och malaria, hindrar de höga kostnaderna att effektiva behandlingsprogram införs i många fattiga länder. Dessutom finns det ett växande problem med läkemedelsresistens. Även om nya läkemedel är under utveckling för läkemedelresistenta infektioner, så blir priset för de nya generationernas läkemedel som regel alldeles för högt för att de ska komma de fattiga länderna till del. Till det ska läggas att läkemedel nästan inte alls utvecklas för de försummade sjukdomarna, eftersom läkemedelsbolagen bara satsar på utvecklingen av storsäljare för de västliga marknaderna. De få läkemedel som finns mot det försummade sjukdomarna är gammalmodiga, ofta mycket giftiga och väldigt ineffektiva.

Kostnaden för att utveckla ett nytt läkemedel uppgår idag till ungefär 30 miljarder kronor för var och en av dem. Att utveckla ett nytt läkemedel är med nuvarande teknologier en lång och svår process, där ett stort antal kemiska substanser syntetiseras och testas i provrörsmodeller och på försöksdjur tills ett lämpligt medel hittas som kan testas på människor. De flesta substanser misslyckas och processen måste börja om på nytt. Läkemedelsindustrin är idag i en global kris pga. de höga kostnaderna och de många misslyckandena och har därför mycket tungt börjat använda beräkningsmetoder över hela processen för att förbättra produktiviteten. Man använder huvudsakligen statistiska modeller som fungerar som matematiska filter vilka sorterar bort substanser som sannolikt kommer att misslyckas, men behåller sådana som sannolikt kommer att lyckas. Stora förhoppningar sätts till att dessa beräkningsmodeller ska vända läkemedelsindustrins nedåtgående trend. Läkemedelsindustrin introducerar de nya metoderna under samlingsnamnet prediktiva vetenskaper.

Vi har i samarbete med bla. läkemedelsindustrin utvecklat världsledande komponenter vilka ingår i de statistiska modeller och matematiska filter som industrin nu använder för att förbättra läkemedelsutvecklingen. Däri ingår Bioclipse (www.bioclipse.net), proteokemometri och Bioclipse Decision Support. Vad som är unikt med samtliga dessa teknologier är att de baseras på öppen källkod är gratis tillgängliga för alla. Tyvärr baseras de nuvarande prediktiva vetenskaperna inom industrin på konkurrerande sluten utveckling där varje läkemedelsbolag utvecklar sin egen hemliga infrastruktur. Teknologierna bland de prediktiva vetenskaperna är dock inte speciellt komplicerade och det finns inget som hindrar att samma, eller tom. en ännu bättre, prediktiv infrastruktur utvecklas öppet så att alla kan utnyttja den och bidra till att den kontinuerligt förbättras. Denna ansökan syftar till att utveckla ett sådant öppet system för prediktiva modeller och statistiska filter för att förbättra och uppsnabba utveckling av läkemedel och göra denna öppen och tillgänglig för alla utan kostnad. Infrastrukturen baseras på Bioclipse, proteokemometri och kollaborativa databaser för ackumulering och modellering av de data som behövs för att bygga de prediktiva modellerna.

Det finns en mycket stark trend att söka utveckla läkemedel för de försummade sjukdomarna genom öppen och nätverksbaserad forskning, där många olika forskargrupper bidrar med den kompetens som var och en av dem har. Tyvärr kommer denna öppna process att möta samma svårigheter som läkemedelsindustrin, då de flesta substanser misslyckas och aldrig når kliniken pga att de sammantaget som en regel inte visar sig ha tillräckligt bra egenskaper vad gäller effektivitet, säkerhet, biverkningar och så kallade farmakokineti