Пошук нових ліків – так зване “відкриття ліків” – є дорогим і трудомістким завданням. Але різновид штучного інтелекту, який називається машинним навчанням, може значно прискорити цей процес і виконати цю роботу за невелику частину ціни.
Нещодавно ми з колегами використали цю технологію для пошуку трьох перспективних кандидатів на сенолітичні препарати – ліки, які уповільнюють старіння і запобігають віковим захворюванням.
Сенолітики працюють, вбиваючи старі клітини. Це клітини, які “живі” (метаболічно активні), але більше не можуть реплікуватися, звідси і їхнє прізвисько: клітини-зомбі.
Нездатність до реплікації – це не обов’язково погано. Ці клітини зазнали пошкодження ДНК – наприклад, клітини шкіри, пошкоджені сонячними променями – тому зупинка реплікації зупиняє розповсюдження пошкоджень.
Але старіючі клітини – це не завжди добре. Вони виділяють коктейль із запальних білків, які можуть поширюватися на сусідні клітини. Протягом життя наші клітини страждають від шквалу нападів, від ультрафіолетових променів до впливу хімічних речовин, і тому ці клітини накопичуються.
Підвищена кількість старіючих клітин пов’язана з цілою низкою захворювань, включаючи діабет 2 типу, COVID, легеневий фіброз, остеоартрит і рак.
Дослідження на лабораторних мишах показали, що усунення старіючих клітин за допомогою сенолітиків може полегшити перебіг цих захворювань. Ці препарати можуть вбивати зомбі-клітини, зберігаючи при цьому здорові клітини живими.
Відомо близько 80 сенолітиків, але лише два з них були протестовані на людях: комбінація дазатинібу та кверцетину. Було б чудово знайти більше сенолітиків, які можна використовувати при різних захворюваннях, але для того, щоб препарат вийшов на ринок, потрібно від 10 до 20 років і мільярди доларів.
Результати за п’ять хвилин
Ми з колегами, серед яких були дослідники з Единбурзького університету та Іспанської національної дослідницької ради IBBTEC-CSIC в Сантандері, Іспанія, хотіли дізнатися, чи зможемо ми навчити моделі машинного навчання визначати нові сенолітичні препарати-кандидати.
Для цього ми надали ШІ-моделям приклади відомих сенолітиків і не сенолітиків. Моделі навчилися розрізняти їх, і їх можна було використовувати для прогнозування того, чи можуть молекули, яких вони ніколи раніше не бачили, також бути сенолітиками.
Розв’язуючи задачу машинного навчання, ми зазвичай спочатку тестуємо дані на низці різних моделей, оскільки деякі з них мають тенденцію працювати краще, ніж інші.
Щоб визначити найефективнішу модель, на початку процесу ми відокремлюємо невелику частину наявних навчальних даних і тримаємо її прихованою від моделі до завершення процесу навчання.
Потім ми використовуємо ці тестові дані, щоб кількісно оцінити, скільки помилок робить модель. Перемагає та, яка робить найменше помилок.
Ми визначили найкращу модель і запустили її для прогнозування. Ми дали їй 4 340 молекул, і через п’ять хвилин вона видала список результатів.
ШІ-модель визначила 21 молекулу з найвищими показниками, які, на її думку, мають високу ймовірність бути сенолітиками. Якби ми протестували всі 4 340 молекул у лабораторії, нам знадобилося б щонайменше кілька тижнів інтенсивної роботи та 50 000 фунтів стерлінгів лише на закупівлю сполук, не враховуючи вартість експериментального обладнання та установки.
Потім ми протестували ці кандидати на двох типах клітин: здорових і старіючих. Результати показали, що з 21 сполуки три (периплоцин, олеандрин і гінкветин) були здатні знищувати старі клітини, зберігаючи при цьому більшість нормальних клітин живими. Ці нові сенолітики потім пройшли подальші випробування, щоб дізнатися більше про те, як вони працюють в організмі.
Більш детальні біологічні експерименти показали, що з трьох препаратів олеандрин був більш ефективним, ніж найефективніший з відомих сенолітичних препаратів такого роду.
Потенційні наслідки такого міждисциплінарного підходу, в якому беруть участь дослідники даних, хіміки і біологи, величезні. За наявності достатньої кількості високоякісних даних моделі ШІ можуть прискорити дивовижну роботу хіміків і біологів з пошуку методів лікування та ліків від хвороб – особливо тих, які не мають потреби в лікуванні.
Перевіривши їх на старіючих клітинах, ми зараз тестуємо три сенолітики-кандидати на легеневій тканині людини. Ми сподіваємося повідомити про наші наступні результати через два роки.
Ванесса Смер-Баррето, науковий співробітник Інституту генетики та молекулярної медицини Единбурзького університету
Ця стаття передруковується з Бесіди . Читайте оригінал статті..