Группа исследователей под руководством Юксина Яна и его коллег разработала инновационный фреймворк глубокого обучения под названием LISA-CPI, который объединяет молекулярную визуализацию и структурные представления белков для выявления потенциальных кандидатов в лекарственные препараты для лечения боли.
Хроническая боль является одной из основных глобальных проблем здравоохранения, а традиционные методы лечения боли, такие как опиоиды, связаны с серьезными побочными эффектами, такими как зависимость. Для решения этой проблемы Янг и др. представили новый метод, использующий искусственный интеллект (ИИ) для ускорения поиска неопиоидных обезболивающих средств, нацеленных на конкретные рецепторы, связанные с G-белками (GPCR), участвующие в сигнальных путях боли.
Уникальность LISA-CPI заключается в том, что она объединяет молекулярные изображения лекарственноподобных соединений и 3D-структурные представления белков, полученные с помощью усовершенствованного алгоритма AlphaFold2's Evoformer. Такой подход позволяет с высокой точностью предсказывать взаимодействия между соединениями и белками (CPI). Модель была обучена на более чем 10 миллионах немеченых молекул и оценена на 104 969 лигандах, взаимодействующих с 33 болевыми GPCR. По сравнению с существующими моделями, LISA-CPI продемонстрировала значительное повышение точности прогнозирования на 20 %, что подчеркивает ее потенциал для революции в области вычислительного открытия лекарств.
Одним из главных открытий в этом исследовании стала способность LISA-CPI выявлять повторно применяемые препараты, то есть препараты, которые изначально были разработаны для лечения других заболеваний, но могут быть эффективны и для лечения боли. Среди выявленных соединений были метилэргометрин и метаболиты кишечника, такие как цитиколин, которые показали многообещающее взаимодействие с GPCR, связанными с болью. Эти результаты открывают новые возможности для лечения боли, особенно с акцентом на неопиоидные мишени, что может значительно снизить риск привыкания и других побочных эффектов, связанных с современными обезболивающими препаратами.
Модель глубокого обучения была тщательно протестирована на широком спектре данных из баз данных ChEMBL и GLASS, и она неизменно превосходила другие методы машинного обучения, такие как ImageMol и CHEM-BERT. Превосходная точность LISA-CPI обусловлена его двойной направленностью - на изучение химического состава с помощью визуализации лигандов и на детальное понимание структуры белка с помощью 3D-представления пар белковых остатков. Такое сочетание делает его мощным инструментом для изучения взаимодействия лекарств и белков, которое имеет решающее значение для восприятия боли и других сложных заболеваний.
В дополнение к репозиционированию лекарств LISA-CPI также изучает потенциал метаболитов, получаемых из микробиоты кишечника, в лечении боли. Здоровье кишечника все чаще связывают с различными хроническими заболеваниями, включая боль. Используя LISA-CPI, команда обнаружила, что некоторые метаболиты, такие как цитиколин и NAD, вырабатываемые кишечными бактериями, например Bacteroides, могут иметь терапевтический потенциал в модулировании боли путем воздействия на GPCRs. Это открытие добавляет новый уровень сложности в лечение боли, предполагая, что манипуляции с микробиомом кишечника могут стать новым подходом к лечению боли.
Данное исследование знаменует собой значительный прогресс в открытии лекарств с помощью искусственного интеллекта, особенно в области лечения боли. Использование сложных моделей, подобных LISA-CPI, не только повышает точность прогнозов, но и ускоряет процесс выявления новых терапевтических возможностей, что делает их ценным активом в поиске более эффективных и безопасных методов обезболивания. Полный текст исследования, включая все данные и прогнозы, опубликован в журнале *Cell Reports Methods*, а доступ к нему можно получить по следующей ссылке (clearnet).
Если вам интересны подобные публикации, пожалуйста, реагируйте и оставляйте комментарии. Это послужит мне знаком для продолжения работы.