Warning! You are currently using a domain is accessible on the regular internet, not on Tor. For better privacy and security, please use our onion domain instead.

Jak sztuczna inteligencja odkrywa nowe leki przeciwbólowe

Paracelsus

Addictionist
Joined
Nov 23, 2021
Messages
305
Reaction score
334
Points
63
LWhzDtJ30q


Zespół naukowców pod kierownictwem Yuxina Yanga i współpracowników opracował innowacyjną strukturę głębokiego uczenia się o nazwie LISA-CPI, która łączy obrazowanie molekularne i reprezentacje strukturalne białek w celu identyfikacji potencjalnych kandydatów na leki do leczenia bólu.

Przewlekły ból jest głównym globalnym problemem zdrowotnym, a tradycyjne opcje leczenia bólu, takie jak opioidy, wiążą się z poważnymi skutkami ubocznymi, takimi jak uzależnienie. Aby sprostać temu wyzwaniu, Yang i in. wprowadzili nowatorską metodę wykorzystującą sztuczną inteligencję (AI) w celu przyspieszenia odkrywania nieopioidowych środków przeciwbólowych, ukierunkowanych na określone receptory sprzężone z białkiem G (GPCR) zaangażowane w szlaki sygnałowe bólu.

LISA-CPI jest wyjątkowa, ponieważ integruje obrazy molekularne związków podobnych do leków i trójwymiarowe reprezentacje strukturalne białek z zaawansowanego algorytmu AlphaFold2's Evoformer. Takie podejście pozwala na bardzo dokładne przewidywanie interakcji związek-białko (CPI), przy czym model został wytrenowany na ponad 10 milionach nieznakowanych cząsteczek i oceniony na 104 969 ligandach oddziałujących z 33 GPCR związanymi z bólem. W porównaniu z istniejącymi modelami, LISA-CPI wykazał znaczną poprawę dokładności predykcyjnej o 20%, podkreślając jego potencjał do zrewolucjonizowania dziedziny obliczeniowego odkrywania leków.

Jednym z głównych przełomów tego badania jest zdolność LISA-CPI do identyfikowania leków, które można ponownie wykorzystać, co oznacza leki, które zostały pierwotnie opracowane dla innych schorzeń, ale mogą być również skuteczne w leczeniu bólu. Wśród zidentyfikowanych związków znalazły się metyloergometryna i metabolity jelitowe, takie jak cytykolina, które wykazały obiecujące interakcje z GPCR związanymi z bólem. Odkrycia te otwierają nowe drogi dla terapii bólu, szczególnie skupiając się na celach nieopioidowych, co może znacznie zmniejszyć ryzyko uzależnienia i innych niepożądanych skutków związanych z obecnymi lekami przeciwbólowymi.

Model głębokiego uczenia został rygorystycznie przetestowany na szerokim zakresie danych z baz danych ChEMBL i GLASS i konsekwentnie przewyższał inne metody uczenia maszynowego, takie jak ImageMol i CHEM-BERT. Najwyższa dokładność LISA-CPI wynika z podwójnego skupienia się na świadomości chemicznej poprzez obrazowanie ligandów i szczegółowym zrozumieniu struktury białek poprzez trójwymiarowe reprezentacje par reszt białkowych. To połączenie sprawia, że jest to potężne narzędzie do badania interakcji lek-białko, które mają kluczowe znaczenie w percepcji bólu i innych złożonych chorobach.

Oprócz zmiany przeznaczenia leków, LISA-CPI zbadała również potencjał metabolitów pochodzących z mikrobioty jelitowej w leczeniu bólu. Zdrowie jelit jest coraz częściej wiązane z różnymi chorobami przewlekłymi, w tym z bólem. Korzystając z LISA-CPI, zespół odkrył, że niektóre metabolity, takie jak cytykolina i NAD, wytwarzane przez bakterie jelitowe, takie jak Bacteroides, mogą mieć potencjał terapeutyczny w modulowaniu bólu poprzez celowanie w GPCR. Ten wgląd dodaje nową warstwę złożoności do leczenia bólu, sugerując, że manipulowanie mikrobiomem jelitowym może stać się nowym podejściem do leczenia bólu.

Badanie to stanowi znaczący postęp w odkrywaniu leków opartych na sztucznej inteligencji, szczególnie w odniesieniu do ich zastosowania w leczeniu bólu. Zastosowanie zaawansowanych modeli, takich jak LISA-CPI, nie tylko poprawia dokładność prognoz, ale także przyspiesza proces identyfikacji nowych opcji terapeutycznych, czyniąc go cennym zasobem w poszukiwaniu skuteczniejszych i bezpieczniejszych metod łagodzenia bólu. Pełne badanie, w tym wszystkie dane i prognozy, jest dostępne w czasopiśmie *Cell Reports Methods* i można uzyskać do niego dostęp online za pośrednictwem poniższego linku (clearnet).

Jeśli jesteś zainteresowany takimi publikacjami, zareaguj i zostaw komentarz. Będzie to dla mnie znak, by kontynuować.
 
Top