Forskare har utvecklat ett nytt maskininlärningssystem som kan hjälpa till att bevara vacciner, blod och andra medicinska behandlingar.
Den forskningsom publiceras i Nature Communications, leddes av University of Warwick och University of Manchester.
AI-systemet hjälper till att identifiera molekyler som kallas kryoprotektanter - föreningar som förhindrar skador vid frysning av biologiska material.
Kryoskyddsmedel är speciella ämnen som hjälper till att skydda levande celler och vävnader från skador när de fryses.
De verkar genom att förhindra bildandet av skadliga iskristaller, som i princip bryter sönder vävnad när man fryser den, och hjälper också cellerna att behålla sin struktur i extrem kyla.
Dessa föreningar är mycket viktiga för att bevara t.ex. vacciner, blodprover och reproduktiva celler för långtidsförvaring eller transport.
Kryopresevants kan en dag användas för att bevara organ, komplexa vävnader eller till och med hela människor.
För närvarande är det en långsam process med försök och misstag att hitta nya kryoprotektiva ämnen. Denna nya ML-drivna metod gör det möjligt för forskare att snabbt screena hundratals potentiella molekyler virtuellt.
Här är några viktiga punkter i studien:
- Teamet skapade en maskininlärningsmodell som tränades på data från befintliga kryoprotektorer.
- Denna modell kan förutsäga hur väl nya molekyler kan fungera som kryoskyddsmedel.
- Forskarna använde modellen för att screena ett bibliotek med cirka 500 aminosyror.
- Systemet identifierade flera lovande föreningar, inklusive en aminooxazolester som överträffade många kända kryoprotektorer.
- Labbtester bekräftade AI: s förutsägelser, med den nya föreningen som visade stark iskristallförebyggande.
- Den upptäckta molekylen förbättrade bevarandet av röda blodkroppar när den kombinerades med standardtekniker.
Den aminooxazolester som identifierades i studien uppvisade särskilt anmärkningsvärda egenskaper för att hämma isomkristallisation (IRI). Den hindrade nästan helt iskristallerna från att växa sig större under frysningsprocessen.
Föreningen var effektiv även när forskarna sänkte dess koncentration. Dessutom bibehöll den sina ishämmande egenskaper i fosfatbuffrad saltlösning (PBS), en lösning som efterliknar saltkoncentrationen i människokroppen.
Dr Matt Warren, doktoranden som ledde projektet, beskrev hur modellen ökar effektiviteten: "Efter år av arbetsintensiv datainsamling i labbet är det otroligt spännande att nu ha en maskininlärningsmodell som möjliggör ett datadrivet tillvägagångssätt för att förutsäga kryoprotektiv aktivitet."
Professor Matthew Gibson från Manchester tillägger: "Resultaten av datormodellen var häpnadsväckande och identifierade aktiva molekyler som jag aldrig skulle ha valt, inte ens med min mångåriga expertis."
Professor Gabriele Sosso, som ledde Warwick-teamet, förklarade i ett blogginlägg att maskininlärning, trots att den är imponerande, inte är en universallösning för den här typen av forskningsproblem: "Det är viktigt att förstå att maskininlärning inte är en magisk lösning för alla vetenskapliga problem. I det här arbetet använde vi det som ett verktyg bland många."
Forskarna kombinerade AI-förutsägelserna med molekylära simuleringar och laboratorieexperiment - ett mångsidigt tillvägagångssätt som hjälpte till att validera resultaten och förfina modellen.
Detta bidrar till en rad AI-drivna studier inom läkemedelsupptäckt och materialdesign. Forskare har byggt AI-modeller för att generera intressanta Medicinska föreningarvarav en har varit fördes till klinisk prövning.
DeepMind skapade också en modell som heter GNoME som automatiskt kan generera och syntetisera material.
De nya kryoprotektiva föreningar som upptäckts kan få stor betydelse i verkligheten.
Forskarna beskriver till exempel hur förbättrad kryokonservering kan förlänga hållbarheten hos vacciner och göra det lättare att transportera känsliga medicinska behandlingar till avlägsna områden.
Tekniken skulle också kunna påskynda blodtransfusioner genom att minska den tid som krävs för att bearbeta fryst blod.
Även om resultaten är lovande, varnar teamet för att mer arbete krävs för att fullt ut förstå hur dessa nya föreningar fungerar och för att säkerställa medicinsk säkerhet och stabilitet.
