O echipă de cercetători condusă de Yuxin Yang și colegii săi a dezvoltat un cadru inovator de învățare profundă, denumit LISA-CPI, care combină imagistica moleculară și reprezentările structurale ale proteinelor pentru a identifica potențiali candidați la medicamente pentru tratamentul durerii.
Durerea cronică este o problemă majoră de sănătate la nivel mondial, iar opțiunile tradiționale de gestionare a durerii, cum ar fi opioidele, sunt asociate cu efecte secundare grave, cum ar fi dependența. Pentru a aborda această provocare, Yang și colab. au introdus o metodă nouă care utilizează inteligența artificială (AI) pentru a accelera descoperirea analgezicelor non-opioide, vizând anumiți receptori cuplați la proteine G (GPCR) implicați în căile de semnalizare a durerii.
LISA-CPI este unic prin faptul că integrează imagini moleculare ale compușilor asemănători medicamentelor și reprezentări structurale 3D ale proteinelor din algoritmul avansat Evoformer al AlphaFold2. Această abordare permite predicții foarte precise ale interacțiunilor compus-proteină (IPC), modelul fiind antrenat pe peste 10 milioane de molecule neetichetate și evaluat pe 104 969 de liganzi care interacționează cu 33 de GPCR-uri legate de durere. Comparativ cu modelele existente, LISA-CPI a prezentat o îmbunătățire remarcabilă de 20 % a preciziei predictive, subliniind potențialul său de a revoluționa domeniul descoperirii computaționale a medicamentelor.
Una dintre descoperirile majore ale acestui studiu este capacitatea LISA-CPI de a identifica medicamente refolosibile, adică medicamente care au fost dezvoltate inițial pentru alte afecțiuni, dar care pot fi eficiente și pentru gestionarea durerii. Printre compușii identificați s-au numărat metilergometrina și metaboliții intestinali precum citicolina, care au prezentat interacțiuni promițătoare cu GPCR-urile legate de durere. Aceste constatări deschid noi căi pentru terapia durerii, concentrându-se în special pe obiective non-opioide, care ar putea reduce semnificativ riscul de dependență și alte efecte adverse asociate cu medicamentele actuale pentru durere.
Modelul de învățare profundă a fost testat riguros pe o gamă largă de date din bazele de date ChEMBL și GLASS și a depășit în mod constant alte metode de învățare automată, cum ar fi ImageMol și CHEM-BERT. Precizia superioară a LISA-CPI provine din concentrarea sa dublă asupra cunoașterii chimice prin imagistica ligandului și înțelegerea detaliată a structurii proteinelor prin reprezentări 3D ale perechilor de reziduuri proteice. Această combinație îl transformă într-un instrument puternic pentru explorarea interacțiunilor medicament-proteină care sunt esențiale în percepția durerii și în alte boli complexe.
În plus față de reorientarea medicamentelor, LISA-CPI a explorat, de asemenea, potențialul metaboliților derivați din microbiota intestinală în tratamentul durerii. Sănătatea intestinală a fost din ce în ce mai mult legată de diverse afecțiuni cronice, inclusiv durerea. Folosind LISA-CPI, echipa a descoperit că anumiți metaboliți, precum citicolina și NAD, produși de bacterii intestinale precum Bacteroides, pot avea potențial terapeutic în modularea durerii prin țintirea GPCR-urilor. Această perspectivă adaugă un nou nivel de complexitate la tratamentul durerii, sugerând că manipularea microbiomului intestinal ar putea deveni o abordare nouă a gestionării durerii.
Acest studiu marchează un progres semnificativ în descoperirea de medicamente bazate pe inteligența artificială, în special pentru aplicarea sa în tratamentul durerii. Utilizarea unor modele sofisticate precum LISA-CPI nu numai că îmbunătățește acuratețea predicțiilor, dar și accelerează procesul de identificare a unor noi opțiuni terapeutice, ceea ce îl transformă într-un atu valoros în căutarea unor metode mai eficiente și mai sigure de ameliorare a durerii. Studiul complet, inclusiv toate datele și predicțiile, este disponibil în revista *Cell Reports Methods* și poate fi accesat online prin următorul link (clearnet).
Dacă sunteți interesat de astfel de publicații, vă rugăm să reacționați și să lăsați comentarii. Acesta va fi un semn pentru mine să continui.