AI identyfikuje nowe potencjalne metody leczenia choroby Parkinsona

Nowa strategia oparta na sztucznej inteligencji (AI) znacznie przyspieszyła identyfikację potencjalnych nowych leków do leczenia choroby Parkinsona. Praca opublikowana w czasopiśmie Natura Chemiczna Biologiamoże oznaczać, iż nowe metody leczenia choroby Parkinsona szybciej trafią do badań klinicznych i dotrą do pacjentów.

Odkrywanie leków na poważne choroby jest często procesem powolnym, pracochłonnym i kosztownym. Opracowanie leku od wczesnych testów laboratoryjnych do pełnego zatwierdzenia do stosowania u pacjentów trwa zwykle 10–15 lat.

„To niezwykle czasochłonny proces – samo zidentyfikowanie głównego kandydata do dalszych testów może zająć miesiące, a choćby lata” – powiedziała Michele Vendruscolo, kierownik badań i profesor na Wydziale Chemii Yusufa Hamieda na Uniwersytecie Cambridge w Wielkiej Brytanii

Sztuczna inteligencja i techniki uczenia maszynowego okazały się obiecujące, jeżeli chodzi o przyspieszenie początkowego etapu tego procesu, poprzez odkrycie potencjalnych leków na nowotwory i kilka innych chorób, co skłoniło dziesiątki start-upów biomedycznych do postawienia na potencjał sztucznej inteligencji w odkrywaniu leków.

„Jedna ze ścieżek poszukiwania potencjalnych metod leczenia choroby Parkinsona wymaga identyfikacji małych cząsteczek, które mogą hamować agregację alfa-synukleiny, białka ściśle związanego z tą chorobą” – stwierdził Vendruscolo w komunikacie prasowym.

Nowe badanie pokazało, jak strategia oparta na sztucznej inteligencji znacznie przyspieszyła ten proces i była tysiąc razy tańsza niż metody tradycyjne, identyfikując niewielką liczbę potencjalnie przydatnych związków, które poddano testom laboratoryjnym. Wyniki tych eksperymentów wprowadzono następnie z powrotem do modelu uczenia maszynowego w celu dalszej optymalizacji przewidywań.

„Wykorzystanie sztucznej inteligencji do opracowania podejść do uczenia maszynowego w zakresie odkrywania leków na choroby związane z agregacją białek, takie jak choroba Parkinsona, z pewnością się pojawiło” – powiedział dr Michael S. Okun, krajowy doradca medyczny Fundacji na rzecz leczenia choroby Parkinsona i dyrektor Instytutu Chorób Neurologicznych Fixel w szpitalu z Uniwersytetu Florydy. „Ponad 20-krotna poprawa w porównaniu z typowymi, wysokowydajnymi badaniami przesiewowymi leków była w tym badaniu imponująca i znajdzie się na liście potencjalnych leków, które należy wziąć pod uwagę w badaniach klinicznych” – dodał Okun, który nie był zaangażowany w badania. badanie.

Według Fundacji Chorób Parkinsona chorobę Parkinsona rozpoznaje się co roku u prawie 90 000 Amerykanów, a w tej chwili w USA cierpi na nią milion osób. Mimo to w tej chwili nie ma możliwości wyleczenia tej choroby, a jedynie leki łagodzące objawy, takie jak drżenie, problemy z równowagą i mobilnością oraz sztywność mięśni.

„Uczenie maszynowe ma realny wpływ na odkrywanie leków – przyspiesza cały proces identyfikowania najbardziej obiecujących kandydatów” – powiedział Vendruscolo. „Dla nas oznacza to, iż możemy rozpocząć pracę nad wieloma programami odkrywania leków – zamiast tylko jednego. Tak wiele jest możliwe dzięki ogromnej redukcji czasu i kosztów – to ekscytujący czas”.

Jednak odkrycie obiecujących nowych związków to tylko jeden, bardzo wczesny krok na drodze do faktycznego udostępnienia pacjentom wypróbowanych i przetestowanych leków.

„Jednakże to, czy ta innowacja przyspieszy odkrycie nowych leków na chorobę Parkinsona, jest skomplikowane, ponieważ wprowadzenie większej liczby związków może w rzeczywistości spowolnić prace nad projektem” – powiedział Okun. „Zatem potrzebne będą równoległe i duże inwestycje w podstawowe badania naukowe, aby lepiej zrozumieć patogenezę choroby Parkinsona i dokładniej zastosować tę metodę oraz inne nowatorskie metody odkrywania leków oparte na sztucznej inteligencji”.