Tím výskumníkov pod vedením Yuxina Yanga a jeho kolegov vyvinul inovatívny rámec hlbokého učenia s názvom LISA-CPI, ktorý kombinuje molekulárne zobrazovanie a reprezentáciu štruktúry proteínov s cieľom identifikovať potenciálnych kandidátov na lieky na liečbu bolesti.
Chronická bolesť je závažným celosvetovým zdravotným problémom a tradičné možnosti liečby bolesti, ako sú opioidy, sú spojené so závažnými vedľajšími účinkami, napríklad závislosťou. Na riešenie tejto výzvy Yang a kol. predstavili novú metódu využívajúcu umelú inteligenciu (AI) na urýchlenie objavovania neopioidných liekov proti bolesti, zameranú na špecifické receptory spojené s G-proteínom (GPCR), ktoré sa podieľajú na signálnych dráhach bolesti.
LISA-CPI je jedinečná v tom, že integruje molekulárne obrazy zlúčenín podobných liečivám a 3D štrukturálne reprezentácie proteínov z pokročilého algoritmu Evoformer AlphaFold2. Tento prístup umožňuje veľmi presné predpovede interakcií zlúčeniny s proteínom (CPI), pričom model bol vycvičený na viac ako 10 miliónoch neoznačených molekúl a vyhodnotený na 104 969 ligandoch interagujúcich s 33 GPCR súvisiacimi s bolesťou. V porovnaní s existujúcimi modelmi vykázal LISA-CPI pozoruhodné 20 % zlepšenie predikčnej presnosti, čo poukazuje na jeho potenciál revolučne zmeniť oblasť počítačového objavovania liekov.
Jedným z hlavných prielomov tejto štúdie je schopnosť LISA-CPI identifikovať lieky, ktoré možno repurposovať, teda lieky, ktoré boli pôvodne vyvinuté na iné ochorenia, ale môžu byť účinné aj na liečbu bolesti. Medzi identifikovanými zlúčeninami boli metylergometrín a črevné metabolity, ako napríklad citikolín, ktoré vykazovali sľubné interakcie s GPCR súvisiacimi s bolesťou. Tieto zistenia otvárajú nové možnosti liečby bolesti, najmä so zameraním na neopioidné ciele, ktoré by mohli výrazne znížiť riziko závislosti a iných nežiaducich účinkov spojených so súčasnými liekmi proti bolesti.
Model hlbokého učenia bol dôsledne testovaný na širokom spektre údajov z databáz ChEMBL a GLASS a konzistentne prekonával iné metódy strojového učenia, ako napríklad ImageMol a CHEM-BERT. Vynikajúca presnosť modelu LISA-CPI vyplýva z jeho dvojitého zamerania na chemickú informovanosť prostredníctvom zobrazovania ligandov a podrobné pochopenie štruktúry proteínov prostredníctvom 3D reprezentácie párov proteínových zvyškov. Táto kombinácia z nej robí výkonný nástroj na skúmanie interakcií medzi liekmi a proteínmi, ktoré sú rozhodujúce pri vnímaní bolesti a iných komplexných ochoreniach.
Okrem repurposingu liečiv sa v rámci LISA-CPI skúmal aj potenciál metabolitov pochádzajúcich z črevnej mikroflóry pri liečbe bolesti. Zdravie čriev sa čoraz viac spája s rôznymi chronickými ochoreniami vrátane bolesti. Pomocou LISA-CPI tím zistil, že určité metabolity, ako napríklad citikolín a NAD, produkované črevnými baktériami, ako napríklad Bacteroides, môžu mať terapeutický potenciál pri modulácii bolesti prostredníctvom cielenia na GPCR. Tento poznatok pridáva novú vrstvu komplexnosti liečby bolesti a naznačuje, že manipulácia s črevným mikrobiómom by sa mohla stať novým prístupom k liečbe bolesti.
Táto štúdia znamená významný pokrok v objavovaní liekov na báze umelej inteligencie, najmä pokiaľ ide o jej využitie pri liečbe bolesti. Používanie sofistikovaných modelov, ako je LISA-CPI, nielenže zvyšuje presnosť predpovedí, ale tiež urýchľuje proces identifikácie nových terapeutických možností, čím sa stáva cenným prínosom pri hľadaní účinnejších a bezpečnejších metód zmierňovania bolesti. Celá štúdia vrátane všetkých údajov a predpovedí je k dispozícii v časopise *Cell Reports Methods* a je prístupná online prostredníctvom nasledujúceho odkazu (clearnet).
Ak vás takéto publikácie zaujímajú, reagujte a zanechajte komentár. Bude to pre mňa znamenie, aby som pokračoval.