Искусственный интеллект выявил эффективные препараты против рака. Ученые Чикагского университета выявили новые эффективные иммуномодуляторы, усиливающую иммунную систему в борьбе с различными заболеваниями, включая рак. Для этого они использовали машинное обучение в комбинации с высокопроизводительным скринингом, чтобы найти потенциальные препараты среди 140 тысяч молекул. Подробнее

Машинное обучение помогло выявить новые эффективные иммуномодуляторы, усиливающую иммунную систему в борьбе с различными заболеваниями, включая рак. Результаты исследования опубликованы в журнале Chemical Science. Ученые Притцкеровской школы молекулярной инженерии (PME) Чикагского университета провели высокопроизводительный скрининг потенциальных лекарственных препаратов среди 140 тысяч малых молекул. Для этой цели был использован подход, называемый активным обучением, который объединяет искусственный интеллект с высокопроизводительным экспериментальным тестированием ограниченного числа молекул. Это в итоге позволяет построить модель, прогнозирующую активность молекулы по ее структуре — модель QSAR (англ. quantitative structure activity relationship). Активное обучение позволяет решить проблему поиска потенциальных лекарств в огромном молекулярном пространстве. Подсчитано, что число фармакологически активных молекул, которые подчиняются правилам Липински, превышает 10 в 60-й степени. Для сравнения: число звезд в видимой Вселенной оценивается в 10 в 22-й степени. Экспериментальный скрининг способен охватить лишь незначительную долю от этого количества. Ученые провели высокопроизводительный скрининг всего лишь 2880 соединений, что составляет два процента от всего пространства молекулярного поиска. В результате четырех циклов были обнаружены молекулы с беспрецедентными иммуномодулирующими свойствами. Так, они влияли на врожденный иммунный ответ, усиливая или, наоборот, ослабляя как сигнальный путь NF-κB, который играет роль в воспалительных процессах и активации иммунитета, так и путь регуляторных факторов интерферона IRF, важный для борьбы с вирусами. Наиболее эффективные кандидаты улучшали активность NF-κB на 110 процентов, повышали активность IRF на 83 процентов, а также подавляли активность NF-κB на 128 процентов. Модуляция происходила при одновременном добавлении агонистов сигнальных путей — молекул, которые имитируют воздействие патогенов. Одна из молекул-кандидатов вызывало троекратное усиление выработки интерферона-бета при доставке агониста STING , используемого для улучшения иммунитета в борьбе с опухолями. В будущей работе ученые планируют провести более детальную характеристику наиболее эффективных кандидатов, выявленных в ходе этого скрининга, включая тестирование в живых организмах, чтобы раскрыть механизм их действия.