Прогрессирующее неврологическое заболевание поражает более шести миллионов человек по всему миру
Исследователи из Кембриджского университета разработали и использовали подход, основанный на искусственном интеллекте (ИИ), для усовершенствования разработки лекарств и ускорения поиска методов лечения болезни Паркинсона (БП).
В статье, опубликованной в журнале Nature Chemical, исследователи использовали искусственный интеллект для идентификации соединений, которые блокируют слипание или агрегацию альфа-синуклеина, ключевого белка, характеризующего БП.
БП, от которого страдают более шести миллионов человек во всем мире, представляет собой прогрессирующее неврологическое заболевание, при котором медленно разрушаются отдельные участки мозга.
Наряду с двигательными симптомами, БП может также влиять на желудочно-кишечный тракт, нервную систему, режим сна, настроение и когнитивные способности и может способствовать снижению качества жизни и значительной инвалидизации.
Исследователи разработали и использовали метод машинного обучения для скрининга химической библиотеки, содержащей миллионы записей, чтобы идентифицировать небольшие молекулы, которые связываются с агрегатами амилоида и блокируют их размножение.
Процесс поиска лекарств-кандидатов среди крупных химических библиотек может быть длительным, дорогостоящим и часто безуспешным.
Исследовательская группа успешно ускорила первоначальный процесс скрининга в десять раз и выявила пять сильнодействующих соединений, которые требуют дальнейшего изучения, при одновременном снижении затрат в тысячу раз, что означает, что потенциальные методы лечения БП могут быть доступны пациентам гораздо быстрее.
“Используя полученные знания… основываясь на результатах первоначального скрининга, мы смогли обучить модель идентифицировать конкретные участки на этих небольших молекулах, ответственные за связывание,… [чтобы] провести повторный скрининг и найти более эффективные молекулы”, — объяснил Мишель Вендрусколо, содиректор Центра по изучению болезней с неправильной структурой, Кембриджский университет.
При этом исследователи разработали соединения, воздействующие на очаги на поверхности агрегатов, ответственные за экспоненциальное увеличение самих агрегатов, которые были в сотни раз эффективнее и дешевле в разработке.
“Машинное обучение… ускоряет весь процесс выявления наиболее перспективных кандидатов”, — сказал Вендрусколо. “Это означает, что мы можем начать работу над несколькими программами поиска лекарств вместо одной…, значительно сокращая… как время, так и затраты”.