Novi AI protokol koji ubrzava pretragu i odabir jedinjenja za razvoj lekova protiv raka više od 50 puta razvijen je na Sanktpeterburškom politehničkom univerzitetu "Petar Veliki", saopštila je pres-služba univerziteta.
Kako je objasnio Andrej Makašov, viši predavač na Visokoj školi biomedicinskih sistema i tehnologija ovog univerziteta, postojeći protokoli veštačke inteligencije za optimizaciju molekula lekova obično rešavaju samo jedan usko definisan problem.
"Naš predloženi pristup kombinuje pretragu cilja, generisanje biblioteke i procenu efikasnosti vezivanja zasnovanu na veštačkoj inteligenciji u jedan ciklus", istakao je Makašov u izjavi za TASS.
Umesto godina laboratorijskog rada, analiza stotina hiljada jedinjenja
Prema navodima univerziteta, tradicionalna optimizacija perspektivnih jedinjenja, poznata kao "hit-to-lead", jedna je od najdugotrajnijih i najskupljih faza razvoja lekova. Pronalaženje bioloških meta i dobijanje hemijskih struktura u laboratoriji može da traje od pet do deset godina.
Umesto laboratorijske sinteze koja zahteva velike resurse, stručnjaci su sproveli kompjutersku optimizaciju derivata 2-aminotiofena. Tokom istraživanja analizirali su bazu od gotovo 255.000 virtuelnih jedinjenja, koristeći algoritme veštačke inteligencije.
Na taj način identifikovane su tri najverovatnije proteinske mete za terapiju protiv raka: PARP1, CDK7 i TBCD. Pouzdanost ovih predviđanja proverena je primenom klasičnog molekularnog dokinga.
Veštačka inteligencija odabrala najperspektivnije molekule
Sergej Šipilovskih, rukovodilac Laboratorije za metal-organske okvire i medicinsku hemiju na Sanktpeterburškom politehničkom univerzitetu, objasnio je da naučnici već imaju perspektivne molekule koji su efikasni u lečenju raka kože, ali da još nije potpuno poznato kako oni deluju.
"U našem istraživanju objedinili smo ove zadatke u jedan sistem veštačke inteligencije, koji je predvideo najverovatnije ciljne proteine. Zatim smo generisali više od 250.000 novih varijanti molekula i ponovo poverili veštačkoj inteligenciji da odabere najperspektivnije kandidate", objasnio je Šipilovskih.
Skraćivanje vremena potrebnog za ovu fazu istraživanja trebalo bi da smanji i troškove razvoja novih lekova. Univerzalni AI protokol mogao bi da se primeni i na druge klase biološki aktivnih molekula.
Naučnici planiraju da sintetišu odabrana jedinjenja i ispitaju ih in vitro, a zatim najbolje kandidate predlože za pretklinička ispitivanja.