Skupina raziskovalcev pod vodstvom Yuxina Yanga in sodelavcev je razvila inovativno ogrodje za globoko učenje, imenovano LISA-CPI, ki združuje molekularno slikanje in strukturne predstavitve beljakovin za prepoznavanje potencialnih kandidatov za zdravila za zdravljenje bolečine.
Kronična bolečina je pomembno globalno zdravstveno vprašanje, tradicionalne možnosti zdravljenja bolečine, kot so opioidi, pa so povezane s hudimi stranskimi učinki, kot je zasvojenost. Za reševanje tega izziva so Yang in sod. predstavili novo metodo, ki izkorišča umetno inteligenco, da bi pospešili odkrivanje neopioidnih protibolečinskih zdravil, usmerjenih na določene receptorje, vezane na beljakovine G (GPCR), ki sodelujejo v signalnih poteh bolečine.
LISA-CPI je edinstven, saj združuje molekularne slike spojin, podobnih zdravilom, in 3D strukturne predstavitve proteinov iz naprednega algoritma Evoformer podjetja AlphaFold2. Ta pristop omogoča zelo natančne napovedi interakcij med spojino in proteinom (CPI), pri čemer je model usposobljen na več kot 10 milijonih neoznačenih molekul in ovrednoten na 104 969 ligandih, ki so v interakciji s 33 z bolečino povezanimi GPCR. V primerjavi z obstoječimi modeli je model LISA-CPI pokazal izjemno 20-odstotno izboljšanje natančnosti napovedovanja, kar poudarja njegov potencial za revolucijo na področju računalniškega odkrivanja zdravil.
Eden od glavnih dosežkov te študije je sposobnost sistema LISA-CPI, da prepozna zdravila, ki jih je mogoče ponovno uporabiti, kar pomeni zdravila, ki so bila prvotno razvita za druge bolezni, vendar so lahko učinkovita tudi pri zdravljenju bolečine. Med opredeljenimi spojinami so bili metilergometrin in črevesni metaboliti, kot je citikolin, ki so pokazali obetavne interakcije z GPCR, povezanimi z bolečino. Te ugotovitve odpirajo nove možnosti za zdravljenje bolečine, zlasti s poudarkom na neopioidnih ciljih, kar bi lahko znatno zmanjšalo tveganje za zasvojenost in druge neželene učinke, povezane s sedanjimi zdravili proti bolečini.
Model globokega učenja je bil strogo preizkušen na številnih podatkih iz podatkovnih zbirk ChEMBL in GLASS ter je dosledno presegel druge metode strojnega učenja, kot sta ImageMol in CHEM-BERT. Vrhunska natančnost sistema LISA-CPI izhaja iz njegove dvojne osredotočenosti na kemijsko ozaveščenost s slikanjem ligandov in podrobno razumevanje strukture beljakovin s 3D-predstavitvami parov beljakovinskih ostankov. Zaradi te kombinacije je močno orodje za raziskovanje interakcij med zdravili in beljakovinami, ki so ključne pri zaznavanju bolečine in drugih zapletenih boleznih.
Poleg spreminjanja namembnosti zdravil je program LISA-CPI raziskal tudi potencial metabolitov, pridobljenih iz črevesne mikrobiote, pri zdravljenju bolečine. Zdravje črevesja je vse bolj povezano z različnimi kroničnimi boleznimi, vključno z bolečino. Ekipa je z uporabo LISA-CPI odkrila, da imajo lahko nekateri metaboliti, kot sta citikolin in NAD, ki jih proizvajajo črevesne bakterije, kot je Bacteroides, terapevtski potencial pri modulaciji bolečine z usmerjanjem na GPCR-je. To spoznanje dodaja novo raven kompleksnosti pri zdravljenju bolečine in kaže, da bi lahko manipulacija s črevesnim mikrobiomom postala nov pristop k zdravljenju bolečine.
Ta študija pomeni pomemben napredek pri odkrivanju zdravil s pomočjo umetne inteligence, zlasti za uporabo pri zdravljenju bolečine. Uporaba izpopolnjenih modelov, kot je LISA-CPI, ne le izboljša natančnost napovedi, temveč tudi pospeši postopek ugotavljanja novih terapevtskih možnosti, zaradi česar je dragocen pripomoček pri iskanju učinkovitejših in varnejših metod lajšanja bolečine. Celotna študija, vključno z vsemi podatki in napovedmi, je na voljo v reviji *Cell Reports Methods* in je dostopna na spletu prek naslednje povezave (clearnet).
Če vas takšne objave zanimajo, se odzovite in pustite komentarje. To bo zame znamenje za nadaljevanje.