Η συνεργασία μεταξύ ερευνητών και τεχνητής νοημοσύνης δείχνει τις δυνατότητες της τεχνητής νοημοσύνης να φέρει επανάσταση στον κόσμο της ιατρικής και να βελτιώσει την ανθρώπινη υγεία ως εργαλείο συνεργασίας μαζί με επιστήμονες.
Ερευνητές στο Πανεπιστήμιο Nagoya στην Ιαπωνία δημιούργησαν και βελτίωσαν σχέδια τεχνητής νοημοσύνης (AI) για να συνθέσουν μια υποψήφια ένωση για έναν νέο αναστολέα γαστρικού οξέος με καλύτερη συγγένεια δέσμευσης από τα υπάρχοντα φάρμακα. Τα ευρήματά τους, που δημοσιεύθηκαν στο Communications Biology, προτείνουν έναν νέο τρόπο συνεργασίας με την τεχνητή νοημοσύνη για την ανάπτυξη φαρμακευτικών προϊόντων.
Το οξύ του στομάχου είναι ένα κρίσιμο συστατικό της πέψης των τροφών. Ωστόσο, όταν η ισορροπία της έκκρισης του γαστρικού βλεννογόνου διαταράσσεται, το οξύ του στομάχου μπορεί να προκαλέσει δυσφορία και, σε σοβαρές περιπτώσεις, καταστάσεις όπως γαστρικά έλκη και οισοφαγίτιδα από παλινδρόμηση. Ως εκ τούτου, πολλοί άνθρωποι στρέφονται σε κατασταλτικά του γαστρικού οξέος, τα περισσότερα από τα οποία στοχεύουν την γαστρική αντλία πρωτονίων που είναι υπεύθυνη για την έκκριση γαστρικού οξέος. Αυτά τα φάρμακα βοηθούν στην εξουδετέρωση του οξέος του στομάχου, παρέχοντας ανακούφιση σε άτομα που υποφέρουν από καούρα και σχετικές παθήσεις.
Μια συνεργατική ερευνητική ομάδα με επικεφαλής τον αναπληρωτή καθηγητή Kazuhiro Abe και τον καθηγητή Satoshi Yokoshima της Μεταπτυχιακής Σχολής Φαρμακευτικών Επιστημών στο Πανεπιστήμιο της Nagoya, σε συνεργασία με την Intage Healthcare Corporation και την εγκατάσταση ακτινοβολίας SPring-8, ακολούθησαν μια νέα προσέγγιση στην ανάπτυξη φαρμάκων.
Επικεντρώθηκαν στη στερική δομή της γαστρικής αντλίας πρωτονίων, μια σύνθετη δομή πρωτεΐνης στην επένδυση του στομάχου που μεταφέρει τα πρωτόνια H+ που αποτελούν το HCl, το οξύ που συνθέτει το γαστρικό οξύ. Το ανέλυσαν χρησιμοποιώντας το “Deep Quartet”, μια πλατφόρμα ανακάλυψης φαρμάκων που βασίζεται στην τεχνητή νοημοσύνη.
Χρησιμοποιώντας το AI, οι ερευνητές σχεδίασαν νέες υποψήφιες ενώσεις με μοναδικές χημικές δομές για να στοχεύουν αποτελεσματικά την γαστρική αντλία πρωτονίων. Η ομάδα είχε ως στόχο να εντοπίσει ενώσεις που θα μπορούσαν να συνδεθούν ταυτόχρονα σε πολλαπλές θέσεις στην αντλία πρωτονίων, ενισχύοντας τη συνολική αποτελεσματικότητα του φαρμάκου. Συνέθεσαν χημικά αυτές τις υποψήφιες ενώσεις και ανέλυσαν τις δομές δέσμευσής τους με πρωτεΐνες χρησιμοποιώντας κρυοηλεκτρονική μικροσκοπία. Στη συνέχεια, οι ενώσεις τροποποιήθηκαν περαιτέρω για να βελτιωθεί η ικανότητα πρόσδεσής τους.
Οι ερευνητές χρησιμοποίησαν την τεχνητή νοημοσύνη για να δημιουργήσουν περισσότερες από 100 υποψήφιες ενώσεις με μοναδικές χημικές δομές. Έμπειροι χημικοί και δομικοί βιολόγοι επέλεξαν στη συνέχεια τους πιο υποσχόμενους υποψηφίους για σύνθεση και εξέτασαν πόσο ισχυρά δέσμευαν και ανέστειλαν τη γαστρική αντλία πρωτονίων, αποκαλύπτοντας τελικά ότι η έκτη ένωση που συντέθηκε (DQ-06) παρουσίαζε ισχυρότερη δέσμευση από τις υπάρχουσες ενώσεις αναφοράς.
Παρά τις αρχικές επιφυλάξεις, η τεχνολογία κέρδισε τον Abe. «Ήμουν δύσπιστος όταν είδα μερικές από τις περίεργες χημικές δομές, συμπεριλαμβανομένου του DQ-02 (το δεύτερο που δοκίμασαν) και σχετικές», είπε. «Αλλά υποψιαζόμασταν ότι πρέπει να υπάρχει λόγος που η τεχνητή νοημοσύνη προτείνει τόσο περίεργα χημικά. Παρατηρήσαμε ότι η πρώτη είχε μια στενή θέση δέσμευσης σε σύγκριση με τη δεύτερη, οπότε συνειδητοποιήσαμε ότι η τεχνητή νοημοσύνη ήταν αρκετά “ειλικρινής” στην προσέγγισή της, σχεδιάζοντας για τη δεδομένη θέση σύνδεσης , το οποίο είναι ευέλικτο».
Επιπλέον, για να αποκτήσει γνώσεις για τον μηχανισμό δέσμευσης, η ερευνητική ομάδα χρησιμοποίησε κρυοηλεκτρονική μικροσκοπία για να οπτικοποιήσει την αλληλεπίδραση του μορίου με τη γαστρική αντλία πρωτονίων. Ανακάλυψαν ότι υπήρχε περιθώριο περαιτέρω βελτίωσης στην δεσμευτική δύναμη. Με βάση αυτή τη γνώση, μια νέα ένωση, η DQ-18, συντέθηκε με την εισαγωγή ενός ατόμου χλωρίου στο DQ-06, με αποτέλεσμα ακόμη ισχυρότερη σύνδεση.
“Ενώ τα αποτελέσματα επιβεβαίωσαν ότι η ένωση ήταν δεσμευμένη όπως αναμενόταν, διαπιστώσαμε ότι υπήρχε ακόμη χώρος μεταξύ του θύλακα δέσμευσης της ένωσης και της πρωτεΐνης”, είπε ο Άμπε. «Αν γεμίσουμε αυτά τα κενά, η ένωση θα χωράει πιο «άνετα» στην τσέπη, με αποτέλεσμα πιο ισχυρό δέσιμο».
Αυτή η καινοτόμος προσέγγιση οδήγησε στη δημιουργία μιας ένωσης με συγγένεια δέσμευσης σχεδόν 10 φορές υψηλότερη από αυτή του SCH28080, μιας πρωτότυπης ένωσης για αναστολείς γαστρικού οξέος. Ο Άμπε πιστεύει ότι αυτό δείχνει τη σημασία της συνέργειας μεταξύ ανθρώπων και τεχνητής νοημοσύνης στην ανακάλυψη φαρμάκων.
«Μπορούμε να δούμε την τεχνητή νοημοσύνη να είναι χρήσιμη για τη δημιουργία θεραπειών, αλλά όχι εντελώς ή αυτόματα», είπε. «Χρησιμοποιήσαμε την τεχνητή νοημοσύνη για το σχεδιασμό φαρμάκων με βάση τη δομή, στον οποίο εμείς οι άνθρωποι δεν είμαστε τόσο καλοί. Αλλά επιλέξαμε πραγματικούς υποψήφιους για σύνθεση, και πράγματι το βελτιώσαμε με τα χέρια μας. Χρησιμοποιήσαμε αποτελεσματικά την τεχνητή νοημοσύνη για ό,τι δεν είμαστε καλοί. Πιστεύω όμως ότι, τουλάχιστον προς το παρόν, απαιτείται τελικά η ανθρώπινη γνώση για να ληφθεί οποιαδήποτε τελική απόφαση».
Η έρευνά τους αντιπροσωπεύει ένα σημαντικό βήμα προς τα εμπρός στην ανάπτυξη φαρμακευτικών προϊόντων, υπόσχοντας πιο αποτελεσματικές και αξιόπιστες θεραπείες για παθήσεις που σχετίζονται με το γαστρικό οξύ και εμπνέοντας νέες προσεγγίσεις για την ανακάλυψη φαρμάκων. Η συνεργασία μεταξύ ερευνητών και τεχνητής νοημοσύνης δείχνει τις δυνατότητες της τεχνητής νοημοσύνης να φέρει επανάσταση στον κόσμο της ιατρικής και να βελτιώσει την ανθρώπινη υγεία ως εργαλείο συνεργασίας μαζί με επιστήμονες.
Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον ΚόσμοΑκολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
