Szenolitikumok felfedezése mesterséges intelligencia segítségével
A Nature Communications című folyóiratban 2023. június 10-én publikált tanulmány szerint a kutatók egy gépi tanulási algoritmust használtak, hogy azonosítsanak olyan vegyületeket, amelyek hatékonyan küzdenek az öregedéssel szemben. A céljuk az volt, hogy új gyógyszereket fedezzenek fel, különösen összetett betegségek gyógyítására.
A sejtosztódás szükséges a test növekedéséhez és a szövetek megújulásához. A sejtek azonban idővel öregednek, és eljutnak egy olyan állapotba, amikor már nem osztódnak, de továbbra is jelen vannak a szervezetben, károsítva a szöveteket és elősegítve az öregedést.
A normál esetben a szervezet immunrendszere eltávolítja ezeket az elöregedett sejteket, de az öregedéssel az immunrendszer már kevésbé hatékony a sejtek eltávolításában, így azok száma megnövekszik. Az öregedett sejtek számának növekedése összefüggést mutat olyan betegségekkel, mint a rák, az Alzheimer-kór, valamint a romló látás és csökkent mobilitás. Ennek alapján növekedett igény mutatkozik hatékony szenolitikumok, azaz az elöregedett sejtek eltávolítására szolgáló vegyületek fejlesztésére.
Korábbi tanulmányok néhány ígéretes szenolitikumot már azonosítottak, ezek azonban gyakran toxikusak az egészséges sejtekre nézve. Egy új kutatás keretében, amelyet a skóciai Edinburgh Egyetem tudósai vezettek, egy úttörő módszert alkalmaztak arra, hogy olyan vegyületeket találjanak, amelyek biztonságosan és hatékonyan képesek eltávolítani a hibás sejteket.
A kutatók egy gépi tanulási modellt fejlesztettek ki, amelyet arra képeztek ki, hogy felismerje a szenolitikus tulajdonságokkal rendelkező vegyületek kulcsfontosságú jellemzőit. A modell tanító adatait több forrásból szerezték, beleértve akadémiai tanulmányokat és kereskedelmi szabadalmakat, és integrálták azt két meglévő vegyianyag-gyűjteménnyel, amelyek az FDA-által jóváhagyott vagy klinikai vizsgálati szakaszban lévő vegyületeket tartalmaznak. A teljes adatkészlet 2 523 vegyületet tartalmazott, beleértve olyanokat is, amelyek szenolitikus és nem szenolitikus tulajdonságokkal rendelkeznek, hogy ne befolyásolja a gépi tanulási algoritmust. Az algoritmust ezután több mint 4 000 vegyületen alkalmazták, amelyek közül 21 lehetséges jelöltet azonosítottak.
A tesztek során a kutatók arra jöttek rá, hogy három vegyület - a ginkgetin, a periplocin és az oleandrin - képes eltávolítani az öregedett sejteket anélkül, hogy károsítaná az egészséges sejteket. Közülük az oleandrin bizonyult a leginkább hatékonynak. Mindhárom vegyület természetes anyag, fellelhető a hagyományos, gyógynövényes gyógyászatban.
Az oleandrin az oleander növényből (Nerium oleander) kivonható, és hasonló tulajdonságokkal rendelkezik, mint a szívelégtelenség és bizonyos szívritmuszavarok kezelésére alkalmazott digoxin gyógyszer. Tanulmányok kimutatták, hogy az oleandrin rendelkezik rákellenes, gyulladáscsökkentő, HIV-ellenes, antimikrobiális és antioxidáns tulajdonságokkal. Az oleandrin túladagolás esetén mérgező, ami korlátozza a klinikai alkalmazását. Ennek következtében nem engedélyezték a gyógyszerhatóságok receptköteles gyógyszerként vagy táplálékkiegészítőként történő forgalmazását.
A ginkgetin hasonlóan rákellenes, gyulladáscsökkentő, antimikrobiális, antioxidáns és neuroprotektív tulajdonságokkal rendelkezik. A ginkgetin a páfrányfenyő (Ginkgo biloba) kivonata, amely a legrégebbi élő fafaj. Leveleit és magjait több ezer éve használják a kínai gyógynövényes gyógyászatban. Koncentrált páfrányfenyő kivonat, amelyet a fa szárított leveleiből készítenek, kapható vény nélkül is. Az Egyesült Államokban és Európában is az egyik legkeresettebb gyógynövény alapú étrend-kiegészítő.
A periplocin a kínai selyemindák (Periploca sepium) gyökérkérgeiből izolálható. Tanulmányok kimutatták, hogy javíthatja a szív működését, valamint blokkolhatja a sejtnövekedést és okozhat sejthalált a rákos sejtekben.
A kutatók szerint eredményeik azt mutatják, hogy ezeknek a vegyületek a hatékonysága hasonló vagy magasabb, mint az előző tanulmányokban leírt szenolitikus vegyületeké. Megállapították, hogy a gépi tanuláson alapuló megközelítésük rendkívül hatékony volt, és több mint 200-szor csökkentette a szűrésre szoruló vegyületek számát. Úgy vélik, a mesterséges intelligencia alapú módszerük mérföldkőnek számít az új gyógyszerek azonosításában, különösen a komplex betegségek esetén. Az eljárás költséghatékonyabb, mint a hagyományos gyógyszerek szűrési módszerei, például a preklinikai és klinikai vizsgálatok. Remélik, hogy munkájuk új lehetőségeket nyit meg az izgalmas technológia alkalmazásának felgyorsítására.
