Инновации в области искусственного интеллекта для открытия лекарств

С Рэйчел Мюнц, старшим редактором цифрового контента Lab Manager, можно связаться по адресу [email protected].

Открытие является наиболее важным этапом разработки лекарств, поскольку оно потенциально может сэкономить фармацевтическим компаниям миллиарды долларов, потраченных впустую время и деньги на потенциальных лекарствах, которые вряд ли добьются успеха. Искусственный интеллект (ИИ) является важной способностью, которая становится все более распространенной при решении проблем на этом этапе, позволяя ученым быстрее выявлять потенциальные цели для лекарств, проверять больше соединений за меньшее время на предмет активности против этих целей и находить направления, которые имеют наилучшие шансы на прогресс. чтобы стать одобренным лечением.

Хотя в основном они сосредоточены на ускорении разработки лекарств, новейшие исследования с использованием ИИ в разработке лекарств помогают нам лучше понять, как развиваются и прогрессируют болезни, а также влияние лекарств на человека. Чем больше используется ИИ, тем больше он совершенствуется, что позволяет делать более точные прогнозы при выявлении потенциальных новых лекарств.

На этапе определения цели при открытии лекарств исследователи точно определяют, что приводит к прогрессированию определенного состояния или заболевания. Компьютерное моделирование обеспечивает большой шаг вперед в поиске подходящих мишеней для наркотиков и ускорении этой идентификации.

Один из примеров недавних исследований, включающих такое компьютерное моделирование, был проведен в Медицинской школе Калифорнийского университета в Сан-Диего. Исследователи смоделировали липопротеин-ассоциированную фосфолипазу А2 (Lp-PLA2), фермент, важный для здоровья сердечно-сосудистой системы, чтобы узнать больше о том, как Lp-PLA2 взаимодействует с фосфолипидной мембраной, что в настоящее время малоизвестно, согласно пресс-релизу об исследовании. . Понимание этого взаимодействия может привести к лучшему пониманию того, как развиваются сердечно-сосудистые заболевания, и к новым, более эффективным методам лечения этого заболевания. Исследование было опубликовано в начале января 2022 года в PNAS.

«Я очень рад, что мы смогли глубже понять, как работает этот фермент, чем когда-либо прежде», — сказал Эдвард А. Деннис, доктор философии, старший автор исследования, в пресс-релизе. «Используя последние достижения в области липидомики и компьютерного молекулярно-динамического моделирования, мы получили картину, которая стоит тысячи слов. Теперь у нас есть фильмы, которые показывают, как этот фермент работает на атомном уровне, и это должно помочь нам выяснить способы активации или инактивируйте фермент, необходимый для здоровья».

В другой работе, связанной с идентификацией целей, исследователи из Королевского университета в Белфасте недавно разработали инструмент компьютерного моделирования, который лучше предсказывает новые, более селективные сайты связывания возможных лекарств, что приводит к лучшему нацеливанию лекарств и более эффективным лекарствам. В частности, их инструмент включает в себя новый класс соединений, известных как аллостерические лекарства, в рецепторах, связанных с G-белком (GPCR).

Согласно пресс-релизу исследования, GPCR являются крупнейшей группой мембранных белков, которая преобразует сигналы внутри клеток от различных эндогенных молекул, таких как нейротрансмиттеры и гормоны. Из-за их широкого влияния на физиологию человека они являются ключевой мишенью многих лекарств. Однако найти препараты GPCR сложно, поскольку они имеют тенденцию связываться более чем с одним белком-мишенью, что приводит к непредвиденным побочным эффектам. Другие исследования подчеркивают, что аллостерические сайты являются альтернативными сайтами связывания лекарств, но их трудно идентифицировать. В исследовании Королевского университета в Белфасте, опубликованном в сентябре 2021 года в журнале ACS Central Science, ученые использовали определенные зонды из аллостерических лигандов рецепторов, связанных с G-белком, чтобы более легко и точно идентифицировать эти аллостерические сайты, чем существующие методы.

«Наш конвейер может идентифицировать аллостерические сайты за короткое время, что делает его пригодным для промышленных условий», — сказала старший автор доктор Ирина Тихонова в пресс-релизе об исследовании. «Таким образом, наша разработка является реальным решением для начала структурного поиска аллостерических лекарств для любых мембраносвязанных лекарственных средств, которые оказывают влияние на рак, воспаление и заболевания ЦНС [центральной нервной системы]».