Ett internationellt team av forskare från University of Edinburgh och det spanska forskningsrådet IBBTEC-CSIC använde AI för att påskynda upptäckten av läkemedel mot åldrande.
Deras studie identifierat 3 potentiella senolytiska läkemedel som kan bromsa åldrandet och förebygga åldersrelaterade sjukdomar. Dessa läkemedel fungerar genom att eliminera senescenta celler, ofta kallade "zombieceller". Sådana celler förblir metaboliskt aktiva men kan inte replikera sig.
Att stoppa cellreplikationen fungerar som en försvarsmekanism för att förhindra spridning av cellskador, men det är inte helt okomplicerat.
Denna skyddsåtgärd är främst utformad för att förhindra spridning av celler som har drabbats av DNA-skador - till exempel celler som har skadats av exponering för solljus. Genom att stoppa replikationen av dessa skadade celler ser kroppen till att skadan inte sprids till fler celler.
De celler som har slutat dela sig, så kallade senescenta celler, kan dock potentiellt orsaka skada. När de går in i senescensfasen börjar de frisätta proteiner som är kända för att orsaka inflammation.
Detta kan påverka närliggande friska celler och potentiellt skapa en inflammatorisk miljö. Med tiden kan denna ansamling av inflammation bidra till olika hälsokomplikationer.
Inflammation är till exempel kopplat till många sjukdomar, bland annat neurologiska och degenerativa sjukdomar, typ 2-diabetes, lungfibros, artros och cancer.
Även om upphörandet av cellreplikationen är avgörande för att förhindra spridning av DNA-skador, kan det inflammatoriska svaret i samband med senescenta celler leda till andra hälsoproblem om det inte hanteras på rätt sätt.
Och det är där senolytiska läkemedel kan hjälpa till.
AI:s roll
Tidigare forskning på laboratoriemöss visade att senolytiska läkemedel förbättrar detta inflammatoriska scenario genom att eliminera senescenta celler och skona de friska.
Det finns cirka 80 kända senolytika, men endast en kombination av två, dasatinib och quercetin, har testats på människor.
Upptäckten av nya läkemedel är exceptionellt kostsam och tar vanligtvis 10 till 20 år - det är en betydande flaskhals i pipelinen för läkemedelsutveckling. I den här studien använde forskarna maskininlärning (ML) för att påskynda upptäckten av nya senolytiska läkemedel.
De tränade AI-modeller på befintliga senolytika och icke-senolytika, vilket gjorde det möjligt för AI att skilja mellan dem och förutsäga sannolikheten för att molekyler som inte påträffats är senolytika.
Av 4.340 utvärderade molekyler flaggade AI inom 5 minuter för 21 molekyler med hög sannolikhet att vara senolytiska.
En av studiens författare, dr Vanessa Smer-Barreto, berättade för The Conversation att om de testades traditionellt i ett laboratorium skulle det kosta 50 000 pund bara att köpa in föreningarna, exklusive kostnader för utrustning och installation.
Efter in vitro-tester på friska och senescenta celler visade det sig att 3 av de 21 molekylerna, periplocin, oleandrin och Linkedin, effektivt eliminerade senescenta celler samtidigt som de normala cellerna skonades.
I ytterligare tester överträffade oleandrin, en förening som finns i oleanderväxten, de mest kända senolytika i sitt slag.
Teamet testar nu de tre kandidaterna för senolytika på mänsklig lungvävnad, och resultaten väntas om cirka två år.
Under de senaste månaderna har AI identifierade potentiella antibiotika som är effektivt för att döda läkemedelsresistenta bakterier, och ett Hongkongbaserat bioteknikföretag fick godkännande att inleda kliniska prövningar med en AI-upptäckt läkemedel.
AI:s förmåga att utföra komplexa analyser av molekyler påskyndar i hög grad läkemedelsutvecklingen och öppnar nya möjligheter att hantera vanliga och svårbehandlade tillstånd och sjukdomar.
