Wetenschappers hebben een nieuw machine-leersysteem ontwikkeld dat zou kunnen helpen bij het bewaren van vaccins, bloed en andere medische behandelingen.
De onderzoekgepubliceerd in Nature Communications, werd geleid door de Universiteit van Warwick en de Universiteit van Manchester.
Het AI-systeem helpt moleculen te identificeren die cryoprotectanten worden genoemd - verbindingen die schade voorkomen bij het invriezen van biologisch materiaal.
Cryoprotectanten zijn speciale stoffen die helpen om levende cellen en weefsels te beschermen tegen schade wanneer ze worden ingevroren.
Ze werken door de vorming van schadelijke ijskristallen te voorkomen, die weefsel in wezen afbreken als je het bevriest, en helpen cellen ook hun structuur te behouden bij extreme kou.
Deze verbindingen zijn van fundamenteel belang voor het bewaren van zaken als vaccins, bloedmonsters en geslachtscellen voor opslag of transport op lange termijn.
Cryopresevants zouden op een dag gebruikt kunnen worden om organen, complexe weefsels of zelfs hele mensen te bewaren.
Op dit moment is het vinden van nieuwe cryoprotectanten een langzaam, trial-and-error proces. Met deze nieuwe ML-gestuurde aanpak kunnen onderzoekers snel honderden potentiële moleculen virtueel screenen.
Hier zijn enkele belangrijke punten uit het onderzoek:
- Het team creëerde een machine-learningmodel dat werd getraind op gegevens van bestaande cryoprotectanten.
- Dit model kan voorspellen hoe goed nieuwe moleculen kunnen werken als cryoprotectant.
- Onderzoekers gebruikten het model om een bibliotheek van ongeveer 500 aminozuren te screenen.
- Het systeem identificeerde verschillende veelbelovende verbindingen, waaronder een aminooxazolester die beter presteerde dan veel bekende cryoprotectanten.
- Laboratoriumtesten bevestigden de voorspellingen van de AI: de nieuwe verbinding bleek ijskristallen sterk te voorkomen.
- De ontdekte molecule verbeterde het behoud van rode bloedcellen in combinatie met standaardtechnieken.
De amino-oxazolester die in het onderzoek werd geïdentificeerd, vertoonde bijzonder opmerkelijke ijsherkristallisatie remmende eigenschappen (IRI). Het verhinderde bijna volledig dat ijskristallen groter werden tijdens het vriesproces.
De verbinding was zelfs effectief toen onderzoekers de concentratie verlaagden. Bovendien bleef de ijsremmende werking ook behouden in een fosfaatgebufferde zoutoplossing (PBS), een oplossing die de zoutconcentratie in het menselijk lichaam nabootst.
Dr. Matt Warren, de promovendus die het project leidde, beschreef hoe het model de efficiëntie versnelt: "Na jaren van arbeidsintensieve gegevensverzameling in het lab, is het ongelooflijk opwindend om nu een machine learning model te hebben dat een datagestuurde aanpak mogelijk maakt om cryoprotectieve activiteit te voorspellen."
Professor Matthew Gibson uit Manchester voegt hieraan toe: "De resultaten van het computermodel waren verbazingwekkend, ze identificeerden actieve moleculen die ik zelfs met mijn jarenlange expertise nooit zou hebben gekozen."
Professor Gabriele Sosso, die het Warwick-team leidde, uitgelegd in een blogpost dat, hoewel indrukwekkend, machine learning geen wondermiddel is voor dit soort onderzoeksproblemen: "Het is belangrijk om te begrijpen dat machine learning geen magische oplossing is voor elk wetenschappelijk probleem. In dit werk gebruikten we het als een van de vele hulpmiddelen."
De onderzoekers combineerden de AI-voorspellingen met moleculaire simulaties en laboratoriumexperimenten - een veelzijdige aanpak die hielp om de resultaten te valideren en het model te verfijnen.
Dit draagt bij aan een reeks AI-gestuurde onderzoeken naar het ontdekken van medicijnen en het ontwerpen van materialen. Onderzoekers hebben AI-modellen gebouwd om interessante medicinale verbindingenwaarvan er één naar klinisch onderzoek gebracht.
DeepMind heeft ook een model met de naam GNoME in staat om automatisch materialen te genereren en te synthetiseren.
De nieuwe cryoprotectantverbindingen die ontdekt zijn, kunnen een grote invloed hebben op de echte wereld.
De onderzoekers beschrijven bijvoorbeeld hoe het verbeteren van cryopreservatie de houdbaarheid van vaccins zou kunnen verlengen en het gemakkelijker zou kunnen maken om gevoelige medische behandelingen naar afgelegen gebieden te transporteren.
De techniek zou ook bloedtransfusies kunnen versnellen door de tijd te verkorten die nodig is om bevroren bloed te verwerken.
Hoewel de resultaten veelbelovend zijn, waarschuwt het team dat er meer werk nodig is om volledig te begrijpen hoe deze nieuwe verbindingen werken en om de medische veiligheid en stabiliteit te garanderen.
