Екип от изследователи, ръководен от Юсин Ян и колегите му, е разработил иновативна рамка за дълбоко обучение, наречена LISA-CPI, която комбинира молекулярни изображения и структурни представяния на протеини, за да идентифицира потенциални кандидати за лекарства за лечение на болка.
Хроничната болка е основен глобален здравен проблем, а традиционните възможности за лечение на болката, като опиоидите, са свързани с тежки странични ефекти, като например пристрастяване. За да се справят с това предизвикателство, Yang и сътр. въвеждат нов метод, използващ изкуствен интелект (ИИ), за да ускорят откриването на неопиоидни болкоуспокояващи, насочени към специфични G-протеин-свързани рецептори (GPCRs), участващи в сигналните пътища на болката.
LISA-CPI е уникален с това, че интегрира молекулярни изображения на съединения, подобни на лекарствата, и 3D структурни представяния на протеини от усъвършенствания алгоритъм Evoformer на AlphaFold2. Този подход позволява изключително точни прогнози на взаимодействията между съединения и белтъци (CPI), като моделът е обучен върху над 10 милиона немаркирани молекули и е оценен върху 104 969 лиганда, взаимодействащи с 33 свързани с болката GPCR. В сравнение със съществуващите модели LISA-CPI показа забележително 20 % подобрение в точността на прогнозиране, което подчертава потенциала му да революционизира областта на компютърното откриване на лекарства.
Един от основните пробиви на това проучване е способността на LISA-CPI да идентифицира лекарства с променено предназначение, т.е. лекарства, които първоначално са разработени за други състояния, но могат да бъдат ефективни и за лечение на болката. Сред идентифицираните съединения са метилергометрин и чревни метаболити като цитиколин, които показват обещаващи взаимодействия с GPCR, свързани с болката. Тези констатации откриват нови пътища за терапия на болката, особено с акцент върху неопиоидни цели, които биха могли значително да намалят риска от пристрастяване и други неблагоприятни ефекти, свързани с настоящите болкоуспокояващи лекарства.
Моделът за дълбоко обучение е строго тестван върху широк спектър от данни от базите данни ChEMBL и GLASS и последователно превъзхожда други методи за машинно обучение, като ImageMol и CHEM-BERT. Превъзходната точност на LISA-CPI се дължи на двойния му фокус върху химическата осведоменост чрез изобразяване на лиганди и подробното разбиране на протеиновата структура чрез 3D представяне на двойки протеинови остатъци. Тази комбинация я прави мощен инструмент за изследване на лекарствено-белтъчните взаимодействия, които са от решаващо значение за възприемането на болката и други сложни заболявания.
В допълнение към промяната на предназначението на лекарствата, LISA-CPI изследва и потенциала на метаболитите, получени от чревната микробиота, при лечението на болка. Здравето на червата все повече се свързва с различни хронични състояния, включително болката. Използвайки LISA-CPI, екипът откри, че някои метаболити, като цитиколин и NAD, произвеждани от чревни бактерии като Bacteroides, могат да имат терапевтичен потенциал за модулиране на болката чрез насочване към GPCR. Това прозрение добавя ново ниво на сложност към лечението на болката, което предполага, че манипулирането на чревния микробиом може да се превърне в нов подход към лечението на болката.
Това проучване бележи значителен напредък в откриването на лекарства с помощта на изкуствен интелект, особено за приложението им при лечението на болка. Използването на усъвършенствани модели като LISA-CPI не само подобрява точността на прогнозите, но и ускорява процеса на идентифициране на нови терапевтични възможности, което го прави ценен актив в търсенето на по-ефективни и по-безопасни методи за облекчаване на болката. Пълният текст на изследването, включително всички данни и прогнози, е публикуван в списание *Cell Reports Methods* и е достъпен онлайн чрез следния линк (clearnet).
Ако се интересувате от подобни публикации, моля, реагирайте и оставяйте коментари. Това ще бъде знак за мен да продължа.