Yuxin Yang ir kolegų vadovaujama tyrėjų grupė sukūrė novatorišką gilaus mokymosi sistemą, pavadintą LISA-CPI, kuri sujungia molekulinius vaizdus ir baltymų struktūros atvaizdus, kad būtų galima nustatyti potencialius kandidatus į vaistus skausmui gydyti.
Lėtinis skausmas yra didelė pasaulinė sveikatos problema, o tradicinės skausmo gydymo galimybės, pavyzdžiui, opioidai, yra susijusios su sunkiu šalutiniu poveikiu, pavyzdžiui, priklausomybe. Siekdami spręsti šią problemą, Yangas ir kt. pristatė naują metodą, kuriame pasitelkiamas dirbtinis intelektas (DI), kad paspartintų neopioidinių skausmą malšinančių vaistų, nukreiptų į konkrečius su G baltymu susietus receptorius (GPCR), dalyvaujančius skausmo signalizavimo keliuose, atradimą.
LISA-CPI yra unikali tuo, kad integruoja į vaistus panašių junginių molekulinius vaizdus ir baltymų 3D struktūrinius atvaizdus, gautus iš pažangaus AlphaFold2 algoritmo Evoformer. Šis metodas leidžia labai tiksliai prognozuoti junginio ir baltymo sąveikas (CPI), o modelis apmokytas naudojant daugiau kaip 10 mln. nepažymėtų molekulių ir įvertintas 104 969 ligandų, sąveikaujančių su 33 su skausmu susijusiais GPCR. Palyginti su esamais modeliais, LISA-CPI prognozavimo tikslumas padidėjo 20 %, o tai rodo, kad šis modelis gali sukelti revoliuciją kompiuterinio vaistų atradimo srityje.
Vienas svarbiausių šio tyrimo laimėjimų - LISA-CPI gebėjimas nustatyti vaistus, kurių paskirtis gali būti keičiama, t. y. vaistus, kurie iš pradžių buvo sukurti kitoms ligoms gydyti, bet gali būti veiksmingi ir gydant skausmą. Tarp identifikuotų junginių buvo metilergometrinas ir žarnyno metabolitai, pavyzdžiui, citikolinas, kurie pasižymėjo perspektyvia sąveika su su skausmu susijusiomis GPCR. Šios išvados atveria naujas skausmo gydymo galimybes, ypač sutelkiant dėmesį į neopioidinius taikinius, kurie galėtų gerokai sumažinti priklausomybės riziką ir kitą nepageidaujamą poveikį, susijusį su dabartiniais vaistais nuo skausmo.
Gilaus mokymosi modelis buvo griežtai išbandytas su įvairiais duomenimis iš ChEMBL ir GLASS duomenų bazių, ir jis nuosekliai pranoko kitus mašininio mokymosi metodus, pavyzdžiui, ImageMol ir CHEM-BERT. Aukštesnį LISA-CPI tikslumą lemia tai, kad jis dvejopai orientuotas į cheminių medžiagų pažinimą per ligandų vaizdavimą ir išsamų baltymų struktūros supratimą per 3D baltymų liekanų porų atvaizdavimą. Dėl šio derinio ji tampa galinga priemone tiriant vaistų ir baltymų sąveikas, kurios yra labai svarbios skausmo suvokimui ir kitoms sudėtingoms ligoms.
Be vaistų paskirties keitimo, LISA-CPI taip pat ištyrė žarnyno mikrobiotos metabolitų potencialą gydant skausmą. Žarnyno sveikata vis dažniau siejama su įvairiomis lėtinėmis ligomis, įskaitant skausmą. Naudodama LISA-CPI komanda nustatė, kad tam tikri metabolitai, pavyzdžiui, citikolinas ir NAD, kuriuos gamina žarnyno bakterijos, pavyzdžiui, Bacteroides, gali turėti terapinį potencialą moduliuojant skausmą, veikiant GPCR. Ši įžvalga skausmo gydymui suteikia naują sudėtingumo lygmenį ir leidžia manyti, kad žarnyno mikrobiomo valdymas gali tapti nauju skausmo gydymo metodu.
Šis tyrimas žymi reikšmingą pažangą dirbtinio intelekto valdomų vaistų paieškos srityje, ypač taikant juos skausmo gydymui. Tokių sudėtingų modelių, kaip LISA-CPI, naudojimas ne tik padidina prognozių tikslumą, bet ir pagreitina naujų gydymo galimybių nustatymo procesą, todėl tai yra vertingas privalumas ieškant veiksmingesnių ir saugesnių skausmo malšinimo metodų. Visą tyrimą, įskaitant visus duomenis ir prognozes, galima rasti žurnale *Cell Reports Methods*, o internetu jį galima pasiekti per šią nuorodą (clearnet).
Jei domitės tokiomis publikacijomis, atsiliepkite ir palikite komentarų. Tai bus ženklas man tęsti darbą.