Et internationalt team af forskere fra University of Edinburgh og det spanske nationale forskningsråd IBBTEC-CSIC brugte kunstig intelligens til at fremskynde opdagelsen af anti-aging-medicin.
Deres undersøgelse identificeret 3 potentielle senolytiske lægemidler, der kan bremse aldring og forebygge aldersrelaterede sygdomme. Disse lægemidler fungerer ved at eliminere senescente celler, ofte kaldet 'zombieceller'. Sådanne celler forbliver metabolisk aktive, men er ude af stand til at formere sig.
At stoppe cellereplikationen fungerer som en forsvarsmekanisme for at forhindre spredning af celleskader, men det er ikke helt ligetil.
Denne beskyttelsesforanstaltning er primært designet til at forhindre spredning af celler, der har lidt DNA-skade - for eksempel celler, der er blevet skadet af udsættelse for sollys. Ved at standse replikationen af disse beskadigede celler sikrer kroppen, at skaden ikke spreder sig til flere celler.
Men disse celler, der er holdt op med at dele sig, kendt som senescente celler, kan potentielt forårsage skade. Når de går ind i senescensfasen, begynder de at frigive proteiner, der er kendt for at forårsage inflammation.
Det kan påvirke sunde naboceller og potentielt skabe et inflammatorisk miljø. Over tid kan denne ophobning af inflammation bidrage til forskellige helbredskomplikationer.
For eksempel er inflammation forbundet med mange sygdomme, herunder neurologiske og degenerative sygdomme, type 2-diabetes, lungefibrose, slidgigt og kræft.
Selv om ophør af cellereplikation er afgørende for at forhindre spredning af DNA-skader, kan den inflammatoriske reaktion, der er forbundet med senescente celler, føre til andre sundhedsproblemer, hvis den ikke håndteres korrekt.
Og det er her, senolytiske lægemidler kan hjælpe.
AI's rolle
Tidligere forskning på laboratoriemus viste, at senolytiske lægemidler forbedrer dette inflammatoriske scenarie ved at eliminere aldrende celler og skåne de sunde.
Der findes ca. 80 kendte senolytika, men kun en kombination af to, dasatinib og quercetin, er blevet testet på mennesker.
Opdagelse af lægemidler er usædvanligt dyrt og tager normalt 10 til 20 år - det er en betydelig flaskehals i lægemiddeludviklings-pipelinen. I denne undersøgelse brugte forskerne maskinlæring (ML) til at fremskynde opdagelsen af nye senolytiske lægemidler.
De trænede AI-modeller på eksisterende senolytika og ikke-senolytika, så AI'en kunne skelne mellem dem og forudsige sandsynligheden for, at ukendte molekyler er senolytika.
Ud af 4.340 evaluerede molekyler markerede AI'en 21 med stor sandsynlighed for at være senolytiske inden for 5 minutter.
En af undersøgelsens forfattere, Dr. Vanessa Smer-Barreto, fortalte The Conversation at hvis de blev testet traditionelt i et laboratorium, ville det koste 50.000 pund bare at købe stofferne, eksklusive udgifter til udstyr og opsætning.
Efter in vitro-test på raske og senescente celler eliminerede 3 af de 21 molekyler, periplocin, oleandrin og Linkedin, effektivt senescente celler, mens de skånede normale celler.
I yderligere tests udkonkurrerede oleandrin, en forbindelse, der findes i oleanderplanten, de mest kendte senolytika af sin slags.
Holdet tester nu de tre senolytiske kandidater på humant lungevæv, og resultaterne forventes at foreligge om ca. to år.
I løbet af de sidste par måneder har AI identificerede potentielle antibiotika effektiv til at dræbe resistente bakterier, og et Hong Kong-baseret biotekfirma har fået godkendelse til at påbegynde kliniske forsøg med en AI-opdaget lægemiddel.
AI's evne til at udføre komplekse analyser af molekyler fremskynder i høj grad den farmaceutiske udviklingspipeline og åbner nye muligheder for at tackle almindelige og svært behandlelige tilstande og sygdomme.
