DL: Towards better computational approaches and responsible innovation strategies in early drug discovery-application to antibiotics & COPD

For å opprettholde vår høye levestandard vil vi trenge nye og innovative medisiner. Utviklingen av et nytt legemiddel tar 15-20 år og koster gjennomsnittlig 40 milliarder kroner, noe som medfører at for få nye legemidler blir tilgjengelige hvert år. Vi mener at offentlig finansiert forskning utgjør en svært viktig del av denne forskningen, men den nåværende modellen for translasjon av forskningsresultater fra akademia til private aktører er utfordrende slik at lovende oppdagelser fra universitetene ikke kommer samfunnet til gode. Ett av våre mål er derfor å utvikle og teste en modell for å involvere ulike interessegrupper i denne forskningen, noe som bør resultere i større åpenhet og bidra til å skape sosialt robust kunnskap. Moderne legemiddelutvikling baseres på systematiske strategier som ofte starter med et kjent såkalt «legemiddelmål». Dette «legemiddelmålet» velges fordi det er kjent fra tidligere forskning at funksjonen eller feil i funksjonen er direkte årsak til en sykdom eller er involvert i symptomene. Når legemidlet gis til pasienten vil det transporteres i kroppen og dermed nå frem til legemiddelmålet slik at det kan påvirke aktiviteten til dette. Legemiddelmålet kan sees på som en lås og legemiddelutvikling er simpelthen jakten på en passende nøkkel som kan utløse fordelaktige effekter for pasientens helse. I de tidlige fasene av denne jakten er det veldig vanlig å benytte seg av data-baserte metoder med sofistikert programvare som kan skanne gjennom et stort antall potensielle legemiddelmolekyler for å finne hvilke som kan passe til legemiddelmålet, da dette sparer både tid og penger. I dette prosjektet lager vi og tester vi ut bedre programvare for denne forskningen og benytte denne for å oppdage nye antibiotika og for å finne bedre legemidler for behandling av kronisk obstruktiv lungesykdom. Vi er et internasjonalt tverrfaglig team med eksperter i kjemi, biologi, matematikk, informatikk, samfunnsvitenskap og juss. I denne første fasen av prosjektet har vi samlet data nyttig til utvikling og testing av nye data-baserte metoder. Dette inkluderer resultater fra eksperimenter utført i våre egne laboratorier, data fra offentlige databaser og data fra faglitteraturen. I tillegg til å være nyttig for utprøving av data-baserte metoder, viser våre egne resultater at vi har god fremdrift mot våre mål om å oppdage nye potensielle legemiddelkandidater. Vi har for eksempel fremstilt og testet nye forbindelser som har vist seg å ha svært høy aktivtet i relevante biologiske testsystem. I 2021 ble vi tildelt midler fra NFR (Kommersialiseringsprosjekt, Proof-of-Concept) sammen med Vestlandets Innovasjonsselskap (VIS). Målet med prosjektet er å videreutvikle de beste forbindelser vi har. Vårt arbeid rettet mot engasjementet av interessenter er blitt forsinket på grunn av COVID19-restriksjonene i 2020 og 2021. Vi har likevel klart å gjennomføre intervjuer av pasienter, forskere, industri og en offentlig interessegruppe i 2021. Vi publiserte også flere artikler, blant annet "Responsible use of negative research outcomes - accelerating the discovery and development of new antibiotics" i The Journal of Antibiotics.

In order to maintain the high health standards our society is accustomed to, there is an increasing need for innovations in drug discovery. The development of a new drug takes 15-20 years and costs an average of 4 billion dollars. Modern drug discovery often starts from a validated biomolecular target for which modulators are sought using systematic strategies. In this process, an initial hit compound is optimized into a lead compound, which is further optimized to yield the final drug molecule. Computational methods are vital for the modern drug discovery pipeline and their use has the potential to accelerate and render the hit-to-lead step more cost-effective and safer. Yet, there are limitations pertaining in particular to accurate high-throughput prediction of affinity between drug targets and potential drug candidates. This creates a bottleneck where only computationally demanding methods can be applied to reach the accuracy needed for lead identification. Through this application, we aim at advancing two drug discovery projects addressing the need for (1) new antibiotics and (2) better drugs to treat Chronic Obstructive Pulmonary Disease (COPD) through the development of improved high-throughput computational methods. Further, while publicly funded research is an indispensable actor in modern drug discovery, the current technology transfer model renders translation from academia to market challenging. Stakeholder involvement is necessary for transparency and generating socially robust knowledge but not always easy to implement in such a way that the discovery project can respond to its feedback. Therefore, we also aim at proposing a model for stakeholder involvement and their influence on early drug discovery projects. To reach these ambitious goals, we have designed a truly transdisciplinary project to be tackled by an international team of experts in chemistry, biochemistry, structural biology, mathematics, computer science, social sciences and law.