Forskere har utviklet et nytt maskinlæringssystem som kan bidra til å bevare vaksiner, blod og andre medisinske behandlinger.
Den forskningpublisert i Nature Communications, ble ledet av University of Warwick og University of Manchester.
AI-systemet hjelper til med å identifisere molekyler som kalles kryoprotektanter - forbindelser som forhindrer skade ved nedfrysing av biologisk materiale.
Kryoprotektanter er spesielle stoffer som bidrar til å beskytte levende celler og vev mot skade når de fryses ned.
De virker ved å forhindre dannelsen av skadelige iskrystaller, som i bunn og grunn bryter opp vev når du fryser det, og hjelper også cellene med å opprettholde strukturen i ekstrem kulde.
Disse forbindelsene er grunnleggende viktige for å konservere ting som vaksiner, blodprøver og reproduktive celler for langtidslagring eller transport.
Kryopreserver kan en dag brukes til å bevare organer, komplekse vev eller til og med hele mennesker.
I dag er det en langsom prosess med prøving og feiling å finne nye kryoprotektiva. Denne nye ML-drevne tilnærmingen gjør det mulig for forskere å raskt screene hundrevis av potensielle molekyler virtuelt.
Her er noen av hovedpunktene i studien:
- Teamet laget en maskinlæringsmodell som ble trent på data fra eksisterende kryoprotektiva.
- Denne modellen kan forutsi hvor godt nye molekyler kan fungere som kryobeskyttende midler.
- Forskerne brukte modellen til å screene et bibliotek med rundt 500 aminosyrer.
- Systemet identifiserte flere lovende forbindelser, blant annet en aminooksazolester som var bedre enn mange kjente kryobeskyttende midler.
- Laboratorietester bekreftet AI-ens spådommer, og den nye forbindelsen viste seg å være sterkt iskrystallforebyggende.
- Det oppdagede molekylet forbedret konserveringen av røde blodlegemer når det ble kombinert med standardteknikker.
Aminooksazolesteren som ble identifisert i studien, viste spesielt bemerkelsesverdige egenskaper når det gjaldt å hemme isrekrystallisering (IRI). Den hindret nesten fullstendig iskrystaller i å vokse seg større under fryseprosessen.
Forbindelsen var effektiv selv når forskerne senket konsentrasjonen. I tillegg opprettholdt det også sine ishemmende egenskaper i fosfatbufret saltvann (PBS), en løsning som etterligner saltkonsentrasjonen i menneskekroppen.
Dr. Matt Warren, doktorgradsstudenten som har ledet prosjektet, beskriver hvordan modellen øker effektiviteten: "Etter mange år med arbeidskrevende datainnsamling i laboratoriet er det utrolig spennende å nå ha en maskinlæringsmodell som muliggjør en datadrevet tilnærming til å forutsi kryoprotektiv aktivitet."
Professor Matthew Gibson fra Manchester legger til: "Resultatene av datamodellen var forbløffende, og den identifiserte aktive molekyler jeg aldri ville ha valgt, selv med min mangeårige ekspertise."
Professor Gabriele Sosso, som ledet Warwick-teamet, forklart i et blogginnlegg at selv om maskinlæring er imponerende, er det ikke en universalløsning for denne typen forskningsproblemer: "Det er viktig å forstå at maskinlæring ikke er en magisk løsning på alle vitenskapelige problemer. I dette arbeidet brukte vi det som ett verktøy blant mange."
Forskerne kombinerte AI-spådommene med molekylsimuleringer og laboratorieeksperimenter - en flerstrenget tilnærming som bidro til å validere resultatene og forbedre modellen.
Dette bidrar til en rekke AI-drevne studier innen legemiddeloppdagelse og materialdesign. Forskere har bygget AI-modeller for å generere interessante medisinske forbindelserhvorav en av dem har vært brakt til klinisk utprøving.
DeepMind skapte også en modell med navnet GNoME som automatisk kan generere og syntetisere materialer.
De nye kryobeskyttende forbindelsene som er oppdaget, kan få stor betydning i den virkelige verden.
Forskerne beskriver for eksempel hvordan bedre kryokonservering kan forlenge holdbarheten til vaksiner og gjøre det enklere å transportere sensitive medisinske behandlinger til avsidesliggende områder.
Teknikken kan også fremskynde blodtransfusjoner ved å redusere tiden det tar å behandle frossent blod.
Selv om resultatene er lovende, advarer teamet om at det trengs mer arbeid for å forstå hvordan disse nye forbindelsene fungerer, og for å sikre medisinsk sikkerhet og stabilitet.
