Et internasjonalt forskerteam fra University of Edinburgh og det spanske nasjonale forskningsrådet IBBTEC-CSIC har brukt kunstig intelligens for å fremskynde oppdagelsen av legemidler mot aldring.
Deres studie har identifisert tre potensielle senolytiske legemidler som kan bremse aldring og forebygge aldersrelaterte sykdommer. Disse legemidlene virker ved å eliminere senescente celler, ofte kalt "zombieceller". Slike celler forblir metabolsk aktive, men er ute av stand til å formere seg.
Selv om det å stoppe cellereplikasjonen fungerer som en forsvarsmekanisme for å hindre spredning av celleskade, er det ikke helt enkelt.
Dette beskyttelsestiltaket er først og fremst utformet for å hindre spredning av celler som har fått DNA-skader - for eksempel celler som har blitt skadet av sollys. Ved å stanse replikasjonen av disse skadede cellene sørger kroppen for at skaden ikke sprer seg til flere celler.
Disse cellene som har sluttet å dele seg, såkalte senescente celler, kan imidlertid potensielt forårsake skade. Når de går inn i senescensfasen, begynner de å frigjøre proteiner som er kjent for å forårsake betennelse.
Dette kan påvirke friske naboceller og potensielt skape et inflammatorisk miljø. Over tid kan denne opphopningen av betennelser bidra til ulike helsekomplikasjoner.
Betennelse er for eksempel knyttet til mange sykdommer, blant annet nevrologiske og degenerative sykdommer, type 2-diabetes, lungefibrose, slitasjegikt og kreft.
Selv om det er avgjørende at cellereplikasjonen stanser for å hindre spredning av DNA-skader, kan den inflammatoriske responsen som er forbundet med senescente celler, føre til andre helseproblemer hvis den ikke håndteres på riktig måte.
Og det er her senolytiske legemidler kan hjelpe.
Rollen til kunstig intelligens
Tidligere forskning på laboratoriemus har vist at senolytiske legemidler forbedrer dette betennelsesscenariet ved å eliminere aldrende celler og skåne de friske.
Det finnes rundt 80 kjente senolytika, men bare en kombinasjon av to av dem, dasatinib og quercetin, har blitt testet på mennesker.
Oppdagelse av legemidler er svært kostbart og tar vanligvis 10 til 20 år - det er en betydelig flaskehals i legemiddelutviklingen. I denne studien brukte forskerne maskinlæring (ML) for å fremskynde oppdagelsen av nye senolytiske legemidler.
De trente AI-modeller på eksisterende senolytiske og ikke-senolytiske stoffer, slik at AI-en kunne skille mellom dem og forutsi sannsynligheten for at molekyler som ikke ble oppdaget, var senolytiske.
Av 4340 molekyler som ble evaluert, markerte AI 21 molekyler med høy sannsynlighet for å være senolytiske i løpet av fem minutter.
En av forfatterne av studien, dr. Vanessa Smer-Barreto, fortalte The Conversation at det ville koste 50 000 pund bare å kjøpe inn stoffene, eksklusive kostnader for utstyr og oppsett, hvis de skulle testes på tradisjonelt vis i et laboratorium.
Etter in vitro-testing på friske og senescente celler viste det seg at tre av de 21 molekylene, periplocin, oleandrin og Linkedin, effektivt eliminerte senescente celler samtidig som normale celler ble skånet.
I ytterligere tester utkonkurrerte oleandrin, et stoff som finnes i oleanderplanten, de mest kjente senolytiske stoffene av sitt slag.
Teamet tester nå de tre senolytiske kandidatene på humant lungevev, og resultatene forventes å foreligge om rundt to år.
I løpet av de siste par månedene har AI identifiserte potensielle antibiotika mot resistente bakterier, og et Hong Kong-basert bioteknologiselskap har fått godkjenning til å starte kliniske studier med et KI-oppdaget legemiddel.
AIs evne til å utføre komplekse analyser av molekyler bidrar til å akselerere den farmasøytiske utviklingen, noe som åpner nye muligheter for å takle vanlige og vanskelig behandlbare tilstander og sykdommer.
