Znalezienie nowych leków – zwane „odkrywaniem leków” – jest kosztownym i czasochłonnym zadaniem. Ale rodzaj sztucznej inteligencji zwany uczeniem maszynowym może znacznie przyspieszyć ten proces i wykonać zadanie za ułamek ceny.
Moi koledzy i ja niedawno wykorzystaliśmy tę technologię, aby znaleźć trzech obiecujących kandydatów na leki senolityczne – leki, które spowalniają starzenie i zapobiegają chorobom związanym z wiekiem.
Senolityki działają poprzez zabijanie starzejące się komórki. Są to komórki, które są „żywe” (aktywne metabolicznie), ale które nie mogą się już replikować, stąd ich przydomek: komórki zombie.
Niezdolność do replikacji niekoniecznie jest zła. Komórki te doznały uszkodzenia DNA – na przykład komórki skóry uszkodzone przez promienie słoneczne – więc zatrzymanie replikacji zapobiega rozprzestrzenianiu się uszkodzeń.
Ale starzejące się komórki nie zawsze są dobre. wydzielają A koktajl białek zapalnych które mogą rozprzestrzeniać się na sąsiednie komórki. Przez całe życie nasze komórki cierpią z powodu ataków, od promieni UV po ekspozycję na chemikalia, więc te komórki się gromadzą. Podwyższona liczba starzejących się komórek jest związana z a zakres chorób, w tym cukrzyca typu 2, COVID, zwłóknienie płuc, choroba zwyrodnieniowa stawów i rak.
Badania na myszach laboratoryjnych wykazali, że eliminacja starzejących się komórek za pomocą senolityki, może złagodzić te choroby. Leki te mogą zabijać komórki zombie, jednocześnie utrzymując zdrowe komórki przy życiu.
Około 80 senolityków są znane, ale tylko dwa zostały przetestowane na ludziach: połączenie dazatynib i kwercetyna. Byłoby wspaniale znaleźć więcej senolityków, które można zastosować w różnych chorobach, ale zajmuje to od dziesięciu do dwudziestu lat i miliardy dolarów aby lek trafił na rynek.
Wyniki za pięć minut
Moi koledzy i ja – w tym naukowcy z Uniwersytetu w Edynburgu i Hiszpańskiej Krajowej Rady ds. Badań IBBTEC-CSIC w Santander w Hiszpanii – chcieliśmy wiedzieć, czy możemy trenować modele uczenia maszynowego w celu identyfikacji nowych kandydatów na leki senolityczne.
Aby to zrobić, karmiliśmy modele AI przykładami znanych senolityki i niesenolityki. Modele nauczyły się rozróżniać te dwa rodzaje i można je było wykorzystać do przewidywania, czy cząsteczki, których nigdy wcześniej nie widzieli, mogą być również senolitykami.
Rozwiązując problem z uczeniem maszynowym, zwykle najpierw testujemy dane na szeregu różnych modeli, ponieważ niektóre z nich mają tendencję do osiągania lepszych wyników niż inne. Aby określić najlepiej działający model, na początku procesu oddzielamy niewielką część dostępnych danych treningowych i ukrywamy je przed modelem do czasu zakończenia procesu uczenia. Następnie wykorzystujemy te dane testowe do ilościowego określenia liczby błędów popełnianych przez model. Wygrywa ten, kto popełni najmniej błędów.
Określiliśmy nasz najlepszy model i ustawiliśmy go tak, aby przewidywał. Daliśmy mu 4,340 cząsteczek, a pięć minut później dostarczył listę wyników.
Model sztucznej inteligencji zidentyfikował 21 cząsteczek o najwyższej punktacji, które według niego mają wysokie prawdopodobieństwo bycia senolitycznymi. Gdybyśmy przetestowali oryginalne 4,340 cząsteczek w laboratorium, zakup związków, nie licząc kosztów eksperymentalnej maszynerii i konfiguracji, wymagałby co najmniej kilku tygodni intensywnej pracy i 50,000 XNUMX funtów.
Następnie przetestowaliśmy tych kandydatów na leki na dwóch typach komórek: zdrowych i starzejących się. Wyniki pokazały, że spośród 21 związków trzy (peryplocyna, oleandryna i ginkgetyna) były w stanie wyeliminować starzejące się komórki, jednocześnie utrzymując przy życiu większość normalnych komórek. Te nowe senolityki poddano następnie dalszym testom, aby dowiedzieć się więcej o ich działaniu w organizmie.
Bardziej szczegółowe eksperymenty biologiczne wykazały, że spośród trzech leków oleandryna była skuteczniejsza niż najlepiej działający znany lek senolityczny tego rodzaju.
Potencjalne reperkusje tego interdyscyplinarnego podejścia – obejmującego naukowców zajmujących się danymi, chemików i biologów – są ogromne. Biorąc pod uwagę wystarczającą ilość danych wysokiej jakości, modele AI mogą przyspieszyć niesamowitą pracę chemików i biologów, aby znaleźć metody leczenia i lekarstwa na choroby – zwłaszcza te, których potrzeby są niezaspokojone.
Po walidacji ich w starzejących się komórkach, teraz testujemy trzy kandydujące senolityki w ludzkiej tkance płucnej. Mamy nadzieję, że za dwa lata będziemy mogli pochwalić się kolejnymi wynikami.
O autorze
Vanessy Smer-Barreto, pracownik naukowy, Instytut Genetyki i Medycyny Molekularnej, Uniwersytet w Edynburgu
Artykuł został opublikowany ponownie Konwersacje na licencji Creative Commons. Przeczytać oryginalny artykuł.
Powiązane książki:
Ciało utrzymuje wynik: mózg, umysł i ciało w leczeniu traumy
przez Bessela van der Kolka
Ta książka bada powiązania między traumą a zdrowiem fizycznym i psychicznym, oferując spostrzeżenia i strategie leczenia i powrotu do zdrowia.
Kliknij, aby uzyskać więcej informacji lub zamówić
Oddech: nowa nauka o utraconej sztuce
przez Jamesa Nestora
Ta książka bada naukę i praktykę oddychania, oferując spostrzeżenia i techniki poprawy zdrowia fizycznego i psychicznego.
Kliknij, aby uzyskać więcej informacji lub zamówić
Paradoks roślin: ukryte zagrożenia w „zdrowej” żywności, które powodują choroby i przyrost masy ciała
przez Stevena R. Gundry'ego
Ta książka bada powiązania między dietą, zdrowiem i chorobami, oferując spostrzeżenia i strategie poprawy ogólnego stanu zdrowia i dobrego samopoczucia.
Kliknij, aby uzyskać więcej informacji lub zamówić
Kod odpornościowy: nowy paradygmat prawdziwego zdrowia i radykalnego przeciwdziałania starzeniu się
autorstwa Joela Greene'a
Ta książka oferuje nowe spojrzenie na zdrowie i odporność, opierając się na zasadach epigenetyki i oferując spostrzeżenia i strategie optymalizacji zdrowia i starzenia się.
Kliknij, aby uzyskać więcej informacji lub zamówić
Kompletny przewodnik po poście: uzdrawiaj swoje ciało poprzez post przerywany, co drugi dzień i przedłużony
autorstwa dr Jasona Funga i Jimmy'ego Moore'a
Ta książka bada naukę i praktykę postu, oferując spostrzeżenia i strategie poprawy ogólnego stanu zdrowia i dobrego samopoczucia.
