Tým výzkumníků pod vedením Yuxina Yanga a jeho kolegů vyvinul inovativní rámec hlubokého učení s názvem LISA-CPI, který kombinuje molekulární zobrazování a strukturní reprezentaci proteinů s cílem identifikovat potenciální kandidáty na léky pro léčbu bolesti.
Chronická bolest je závažným celosvětovým zdravotním problémem a tradiční možnosti léčby bolesti, jako jsou opioidy, jsou spojeny se závažnými vedlejšími účinky, například se závislostí. K řešení tohoto problému představili Yang a spol. novou metodu využívající umělou inteligenci (AI) k urychlení objevování neopioidních léků proti bolesti, zaměřenou na specifické receptory spřažené s G-proteiny (GPCR) zapojené do signálních drah bolesti.
LISA-CPI je unikátní v tom, že integruje molekulární obrazy sloučenin podobných léčivům a 3D strukturní reprezentace proteinů z pokročilého algoritmu AlphaFold2's Evoformer. Tento přístup umožňuje vysoce přesné předpovědi interakcí mezi sloučeninami a proteiny (CPI), přičemž model byl vycvičen na více než 10 milionech neoznačených molekul a vyhodnocen na 104 969 ligandech interagujících s 33 GPCR souvisejícími s bolestí. Ve srovnání se stávajícími modely vykázal LISA-CPI pozoruhodné 20% zlepšení přesnosti předpovědí, což zdůrazňuje jeho potenciál revolučně změnit oblast počítačového objevování léčiv.
Jedním z hlavních průlomů této studie je schopnost systému LISA-CPI identifikovat léčiva, která lze repurpovat, tedy léčiva, která byla původně vyvinuta pro jiné stavy, ale mohou být účinná i pro léčbu bolesti. Mezi identifikovanými sloučeninami byly methylergometrin a střevní metabolity, jako je citikolin, které vykazovaly slibné interakce s GPCR souvisejícími s bolestí. Tato zjištění otevírají nové možnosti léčby bolesti, zejména se zaměřením na neopioidní cíle, což by mohlo významně snížit riziko závislosti a dalších nežádoucích účinků spojených se současnými léky proti bolesti.
Model hlubokého učení byl důkladně testován na široké škále dat z databází ChEMBL a GLASS a konzistentně překonával jiné metody strojového učení, například ImageMol a CHEM-BERT. Vynikající přesnost modelu LISA-CPI vyplývá z jeho dvojího zaměření na chemickou informovanost prostřednictvím zobrazování ligandů a detailní pochopení struktury proteinů prostřednictvím 3D reprezentace dvojic proteinových zbytků. Tato kombinace z ní činí výkonný nástroj pro zkoumání interakcí mezi léky a proteiny, které jsou rozhodující pro vnímání bolesti a další složitá onemocnění.
Kromě repurposingu léčiv zkoumala LISA-CPI také potenciál metabolitů odvozených od střevní mikroflóry při léčbě bolesti. Zdraví střev je stále více spojováno s různými chronickými stavy, včetně bolesti. Pomocí LISA-CPI tým zjistil, že některé metabolity, jako je citikolin a NAD, produkované střevními bakteriemi, jako je Bacteroides, mohou mít terapeutický potenciál při modulaci bolesti prostřednictvím cílení na GPCR. Tento poznatek přináší do léčby bolesti novou komplexní vrstvu a naznačuje, že manipulace se střevním mikrobiomem by se mohla stát novým přístupem k léčbě bolesti.
Tato studie představuje významný pokrok v oblasti objevování léků na bázi umělé inteligence, zejména pro její využití při léčbě bolesti. Použití sofistikovaných modelů, jako je LISA-CPI, nejenže zvyšuje přesnost předpovědí, ale také urychluje proces identifikace nových terapeutických možností, což z něj činí cenný přínos při hledání účinnějších a bezpečnějších metod úlevy od bolesti. Celá studie, včetně všech údajů a předpovědí, je k dispozici v časopise *Cell Reports Methods* a je přístupná online prostřednictvím následujícího odkazu (clearnet).
Pokud vás podobné publikace zajímají, reagujte a zanechte komentář. Bude to pro mě znamení, abych pokračoval.