W obliczu rosnącej globalnej przewagi chorób neurodegeneracyjnych, zespół badaczy z Uniwersytetu w Cambridge dokonuje przełomu, wykorzystując sztuczną inteligencję (AI) do przyspieszenia poszukiwań leków na Parkinsona. W epoce, gdzie tradycyjne metody badań farmaceutycznych doświadczają zarówno finansowych, jak i czasowych ograniczeń, nowa strategia wykorzystująca machine learning jawi się jako rewolucyjna odpowiedź na te wyzwania.
Choroba Parkinsona to postępująca choroba neurodegeneracyjna, dotykająca około 6 milionów osób na całym świecie, z prognozowanym wzrostem do 18 milionów w 2040 roku. Obecnie brak jest skutecznego leczenia, które zahamowałoby rozwój tej choroby, a konwencjonalne metody poszukiwania nowych terapii są niezwykle kosztowne i czasochłonne.
Tradycyjne podejście do przesiewu ogromnych bibliotek chemicznych w poszukiwaniu potencjalnych kandydatów na leki jest nie tylko wolne i kosztowne, ale często nieskuteczne. Jak zauważa główny badacz, profesor Michele Vendruscolo, jednym z kluczowych kierunków w poszukiwaniu leczenia jest identyfikacja małych cząsteczek, które mogą hamować agregację alfa-synukleiny, białka silnie związanego z chorobą Parkinsona. Dotychczasowe metody wymagały miesięcy, a nawet lat, na wyselekcjonowanie choćby jednego obiecującego kandydata.
W odpowiedzi na te wyzwania, zespół Vendruscolo opracował pięciostopniowe podejście wykorzystujące uczenie maszynowe. Opierając się na symulacjach, naukowcy rozpoczęli od małego zestawu związków, które wykazały potencjał w blokowaniu skupiania się białka alfa-synukleiny. Następnie przetestowali ich skuteczność eksperymentalnie.
Wyniki te posłużyły do szkolenia modelu uczenia maszynowego, który przewidywał, jakie struktury molekularne i właściwości czynią związek skutecznym w zapobieganiu agregacji białek. Uczenie maszynowe pozwoliło na szybkie przeskanowanie wirtualnej biblioteki, zawierającej miliony związków, i wyłonienie najbardziej obiecujących kandydatów. Najlepsze z wyselekcjonowanych przez AI kandydatów były następnie weryfikowane eksperymentalnie, a wyniki te ponownie wykorzystywane do dalszego udoskonalania modelu.
Po wielokrotnych iteracjach, stopień optymalizacji – procent testowanych związków, które hamowały agregację alfa-synukleiny związaną z Parkinsonem – wzrósł z 4% do ponad 20%. Ponadto, związki znalezione przez AI były przeciętnie znacznie bardziej potężne niż te wcześniej zidentyfikowane, wykazując obiecującą aktywność w ośmiokrotnie mniejszych dawkach. Były również bardziej zróżnicowane chemicznie, przy czym model odkrył skuteczne związki odbiegające od znanych struktur.
“Wprowadzanie uczenia maszynowego do odkrywania leków znacznie przyspiesza cały proces identyfikacji najbardziej obiecujących kandydatów,” mówi Vendruscolo. “Dzięki wiedzy, którą zdobyliśmy z początkowych przesiewów przy użyciu naszego modelu uczenia maszynowego, byliśmy w stanie nauczyć model identyfikowania konkretnych regionów na tych małych cząsteczkach odpowiedzialnych za wiązanie, a potem przesiać na nowo, aby znaleźć jeszcze bardziej potężne molekuły.”
Badacze podkreślają, że to dopiero początek tego, co metody oparte na AI mogą umożliwić w odkrywaniu leków na Parkinsona oraz inne choroby charakteryzujące się nieprawidłowym fałdowaniem i agregacją białek. Z biegiem czasu i przy wykorzystaniu większych zbiorów danych do szkolenia, predykcyjna moc tych modeli powinna tylko wzrosnąć.
Chociaż wciąż przed nami długa droga, aby przekształcić te przez AI zidentyfikowane kandydatury w zatwierdzone leczenia, aktualne badanie pokazuje, jak machine learning, sprytnie połączony z biologią eksperymentalną, może znacząco przyspieszyć wczesne etapy odkrywania leków. To buduje na fali badań zmierzających do lokalizowania nowych, innowacyjnych terapii leczniczych, w tym z MIT i Tufts, które niedawno zbudowały model zdolny do przejrzenia około 100 milionów związków dziennie.
Kilka modeli odkrywających antybiotyki wyprodukowało związki eksperymentalne, z których niektóre zmierzają do prób klinicznych. Innym dużym projektem, w którym w ubiegłym roku współpracowano z Moorfields Eye Hospital w Wielkiej Brytanii, był projekt wykorzystujący skany oczu do wczesnego wykrywania Parkinsona – nowatorska metoda umożliwiona przez AI.
Z takimi przełomami w odkrywaniu skutecznych terapii na Parkinsona, metody oparte na AI demonstrują ogromny potencjał w przedefiniowaniu medycyny i opieki zdrowotnej.
Źródło: Nature Chemical Biology
