ИИ преобразует многие области, и медицинские исследования не являются исключением. ИИ предлагает беспрецедентные возможности для ускорения открытия лекарств, снижения затрат и открытия новых способов борьбы с болезнями.

В этом контексте недавнее исследование включало использование ИИ для выявления перспективных кандидатов в сенолитические препараты, которые замедляют старение и предотвращают возрастные заболевания. Это исследование, проведенное международной группой ученых, использует машинное обучение для прогнозирования потенциальной эффективности тысяч молекул, тем самым сокращая время и расходы, связанные с традиционными лабораторными исследованиями.

Сенолитические препараты - это класс лекарственных средств, направленных против стареющих клеток - клеток, которые, хотя и являются метаболически активными, утратили способность к делению и репликации. Часто называемые "клетками-зомби", они играют сложную роль в нашем организме.

С одной стороны, клеточное старение - это естественный защитный механизм организма. Когда клетка получает повреждения ДНК, например, в результате воздействия ультрафиолетовых лучей или химических веществ, она может перейти в состояние старения. Это означает, что она перестает делиться, тем самым предотвращая распространение потенциального повреждения ДНК на другие клетки через клеточное деление.

Однако стареющие клетки также могут оказывать неблагоприятное воздействие на организм. Действительно, хотя они больше не делятся, эти клетки остаются активными и секретируют смесь воспалительных белков, известную как секреторный фенотип, ассоциированный со старением (SASP). Этот белковый коктейль может вызывать воспаление и повреждать близлежащие клетки, способствуя возникновению и прогрессированию различных заболеваний.

Со временем количество стареющих клеток в нашем организме увеличивается из-за постоянного воздействия различных экологических и биологических стрессоров. Накопление стареющих клеток связано с рядом возрастных заболеваний, включая диабет второго типа, фиброз легких, остеоартрит и рак. Поэтому сенолитические препараты, уничтожая эти стареющие клетки, могут помочь в профилактике или лечении этих заболеваний, прокладывая путь к новым терапевтическим стратегиям.

В статье в журнале The Conversation исследователи объясняют, что для выявления новых кандидатов на лекарства они обучили модели машинного обучения, чтобы отличать известные сенолитики от не сенолитиков. Затем эти модели использовались для предсказания того, могут ли неизвестные молекулы также быть сенолитиками. Всего за пять минут ИИ определил 21 молекулу с высокой вероятностью быть сенолитиком - задача, которая при выполнении в лаборатории заняла бы несколько недель и стоила бы около 58 000 евро.

Из 21 выявленного соединения три (периплоцин, олеандрин и гинкгетин) продемонстрировали свою способность уничтожать стареющие клетки, сохраняя при этом большинство нормальных клеток. Затем эти новые сенолитики были подвергнуты более детальным испытаниям, чтобы понять, как они функционируют в организме. Олеандрин, в частности, оказался более эффективным, чем самый известный сенолитик в своем классе.

Этот междисциплинарный подход, объединяющий специалистов по обработке данных, химиков и биологов, обладает огромным потенциалом. Специалисты по обработке данных сыграли решающую роль в разработке и обучении моделей машинного обучения, используемых для определения молекул-кандидатов. Их опыт в манипулировании и анализе больших объемов данных сыграл важную роль в том, чтобы ИИ мог делать точные прогнозы.

При наличии достаточного количества высококачественных данных модели ИИ способны значительно ускорить процесс открытия лекарств. Они могут быстро анализировать большие объемы данных и выявлять закономерности, которые иначе было бы трудно обнаружить. Это может помочь ускорить работу химиков и биологов, стремящихся найти методы лечения и способы лечения заболеваний, особенно тех, для которых пока нет решения.

Три кандидата в сенолитики, выявленные с помощью этого подхода, в настоящее время проходят испытания на тканях легких человека. Эти испытания являются важнейшим шагом в определении эффективности этих препаратов в реальных условиях и в понимании того, как они действуют в организме. Исследователи надеются опубликовать свои следующие результаты через два года.

Источник: New-Science.ru