Поиск новых лекарств, называемый «открытием лекарств», является дорогостоящей и трудоемкой задачей. Но тип искусственного интеллекта, называемый машинным обучением, может значительно ускорить процесс и выполнить работу за небольшую плату.
Недавно мы с коллегами использовали эту технологию, чтобы найти три многообещающих кандидата на роль сенолитиков — препаратов, замедляющих старение и предотвращающих возрастные заболевания.
Сенолитики убивают стареющие клетки. Это «живые» (метаболически активные) клетки, которые больше не могут воспроизводиться, отсюда и их прозвище: клетки-зомби.
Неспособность воспроизвести — это не обязательно плохо. ДНК этих клеток повреждена (например, клетки кожи повреждены солнечными лучами), поэтому остановка репликации останавливает распространение повреждения.
Но стареющие клетки — это не всегда хорошо. Они выделяют коктейль воспалительных белков которые могут распространяться на соседние клетки. На протяжении всей жизни наши клетки подвергаются множеству воздействий, от ультрафиолетовых лучей до воздействия химических веществ, и поэтому эти клетки накапливаются. Повышенное количество стареющих клеток вовлечено в спектр заболеваний, включая диабет 2 типа, COVID, легочный фиброз, остеоартрит и рак.
Исследования на лабораторных мышах показали, что устранение стареющих клеток с помощью сенолитики, может улучшить эти заболевания. Эти препараты могут убивать зомби-клетки, сохраняя при этом здоровые клетки.
Около 80 сенолитики известны, но только два из них были испытаны на людях: комбинация дазатиниб и кверцетин. Было бы здорово найти больше сенолитиков, которые можно было бы использовать при самых разных заболеваниях, но на это требуется от десяти до двадцати лет и миллиардов долларов чтобы лекарство попало на рынок.
Результат через пять минут
Мои коллеги и я, в том числе исследователи из Эдинбургского университета и Испанского национального исследовательского совета IBBTEC-CSIC в Сантандере, Испания, хотели знать, можем ли мы обучить модели машинного обучения для выявления новых кандидатов в сенолитические препараты.
Для этого мы кормили модели ИИ примерами известных сенолитики и несенолитики. Модели научились различать их, и их можно было использовать для предсказания того, могут ли молекулы, которые они никогда раньше не видели, также быть сенолитиками.
При решении задачи машинного обучения мы обычно сначала проверяем данные на ряде различных моделей, поскольку некоторые из них, как правило, работают лучше, чем другие. Чтобы определить наиболее эффективную модель, в начале процесса мы отделяем небольшой фрагмент доступных обучающих данных и скрываем его от модели до тех пор, пока процесс обучения не будет завершен. Затем мы используем эти данные тестирования, чтобы количественно определить, сколько ошибок делает модель. Выигрывает тот, кто сделает меньше ошибок.
Мы определили нашу лучшую модель и настроили ее для прогнозирования. Мы дали ему 4,340 молекул, и через пять минут он выдал список результатов.
Модель ИИ идентифицировала 21 молекулу с наивысшим баллом, которые, по ее мнению, имеют высокую вероятность того, что они являются сенолитиками. Если бы мы протестировали исходные 4,340 молекул в лаборатории, потребовалось бы как минимум несколько недель интенсивной работы и 50,000 XNUMX фунтов стерлингов только на покупку соединений, не считая стоимости экспериментального оборудования и установки.
Затем мы протестировали эти кандидаты в лекарства на двух типах клеток: здоровых и стареющих. Результаты показали, что из 21 соединения три (периплоцин, олеандрин и гинкгетин) способны уничтожать стареющие клетки, сохраняя при этом жизнь большинства нормальных клеток. Затем эти новые сенолитики прошли дальнейшее тестирование, чтобы узнать больше о том, как они действуют в организме.
Более подробные биологические эксперименты показали, что из трех препаратов олеандрин был более эффективным, чем самый эффективный из известных сенолитиков такого рода.
Потенциальные последствия этого междисциплинарного подхода с участием ученых, химиков и биологов огромны. При наличии достаточного количества высококачественных данных модели ИИ могут ускорить удивительную работу, которую проделывают химики и биологи, чтобы найти лекарства и лекарства от болезней, особенно от неудовлетворенных потребностей.
Подтвердив их действие на стареющих клетках, теперь мы тестируем три сенолитика-кандидата в ткани легких человека. Мы надеемся сообщить о наших следующих результатах через два года.
Об авторе
Ванесса Смер-Баррето, научный сотрудник Института генетики и молекулярной медицины, Эдинбургский университет
Эта статья переиздана из Беседа под лицензией Creative Commons. Прочтите оригинал статьи.
Похожие книги:
Тело ведет счет: мозг, разум и тело в исцелении травмы
Бессель ван дер Колк
Эта книга исследует связи между травмой и физическим и психическим здоровьем, предлагая идеи и стратегии для исцеления и восстановления.
Нажмите для получения дополнительной информации или для заказа
Дыхание: новая наука об утерянном искусстве
Джеймс Нестор
Эта книга исследует науку и практику дыхания, предлагая идеи и методы для улучшения физического и психического здоровья.
Нажмите для получения дополнительной информации или для заказа
Парадокс растений: скрытые опасности «здоровой» пищи, вызывающие болезни и увеличение веса
Стивен Р. Гандри
Эта книга исследует связи между диетой, здоровьем и болезнями, предлагая идеи и стратегии для улучшения общего состояния здоровья и хорошего самочувствия.
Нажмите для получения дополнительной информации или для заказа
Код иммунитета: новая парадигма настоящего здоровья и радикального омоложения
Джоэл Грин
Эта книга предлагает новый взгляд на здоровье и иммунитет, опираясь на принципы эпигенетики и предлагая идеи и стратегии для оптимизации здоровья и старения.
Нажмите для получения дополнительной информации или для заказа
Полное руководство по голоданию: исцелите свое тело с помощью прерывистого, чередующегося и длительного голодания
д-р Джейсон Фанг и Джимми Мур
Эта книга исследует науку и практику голодания, предлагая идеи и стратегии для улучшения общего состояния здоровья и хорошего самочувствия.
Нажмите для получения дополнительной информации или для заказа
