“`html
Ускорение поиска лекарств с помощью ИИ: роль AlphaFold в борьбе с раком печени
Искусственный интеллект (ИИ) значительно трансформирует область поиска лекарств, предлагая новые способы более эффективного проектирования и синтеза лекарств. Значимым примером является AlphaFold, программное обеспечение ИИ, разработанное DeepMind, которое сделало революционные достижения в предсказании трехмерных структур белков. В 2020 году AlphaFold успешно предсказал структуры практически всего генома человека, предоставляя важный инструмент для понимания функций белков и их влияния на заболевания. Это достижение ставит рубеж в структурной биологии, позволяя исследователям изучать взаимодействия неизвестных белков и ускорять поиск лекарств.
Роль AlphaFold в начальной стадии поиска лекарств
Недавнее исследование, опубликованное в Chemical Science, подчеркивает первое успешное применение AlphaFold на начальной стадии поиска лекарств. Исследование, проведенное международной командой из Университета Торонто, Стэнфордского университета и Insilico Medicine, использовало предсказанные структуры AlphaFold для выявления многообещающей молекулы для лечения гепатоцеллюлярного карциномы (HCC), распространенной формы рака печени. Совмещая AlphaFold с платформами, поддерживаемыми ИИ, PandaOmics и Chemistry42, команда быстро выявила и оптимизировала мощный ингибитор малых молекул для циклин-зависимого киназы 20 (CDK20), белка, связанного с HCC. Этот инновационный подход значительно сократил время и затраты, традиционно необходимые для разработки лекарства.
Выбор и выявление целей для лечения гепатоцеллюлярной карциномы с использованием ИИ
HCC является формой рака печени и является серьезной проблемой общественного здравоохранения, составляя 75% всех случаев рака печени и приводя к высокой смертности. Существуют существенные нерешенные медицинские потребности, несмотря на достижения, такие как ингибитор PD-L1 атезолизумаб, комбинированный с бевацизумабом. С использованием платформы, управляемой ИИ, PandaOmics, исследователи проанализировали обширные наборы данных и использовали многомодальное глубокое обучение, чтобы выявить и ранжировать потенциальные терапевтические цели для HCC. CDK20 выделился как многообещающий кандидат из-за его сильной ассоциации с HCC и отсутствия существующих экспериментальных структур, что делает его идеальным для поиска лекарств с использованием платформы Chemistry42.
CDK20 как многообещающая цель для лечения рака
CDK20, также известный как цикл-зависимая киназа связанная с клеточным циклом (CCRK), играет роль в регуляции клеточного цикла и других функциях в различных тканях человеческого организма. Он заметно переэкспрессирован в нескольких видах рака, включая HCC, рак толстой кишки, легкое и яичники. Исследования связали CDK20 с прогрессированием опухолей через механизмы, такие как улучшение прогрессирования клеточного цикла и модуляцию иммунных ответов. Эти атрибуты делают CDK20 ценной терапевтической целью, особенно для HCC. Используя платформы ИИ, такие как Chemistry42 и AlphaFold, исследователи могут генерировать новые ингибиторы, даже без экспериментальных 3D структур, как это продемонстрировано недавними открытиями мощных ингибиторов CDK20.
Идентификация целей и предложение
Платформа PandaOmics выявила потенциальные цели для HCC, сосредотачиваясь на белках с предсказанными структурами AlphaFold2. Были проанализированы данные из 10 экспериментов, охватывающих 1133 заболевания и 674 здоровых образцов. Цели были отфильтрованы по возможности применения малых молекул, новизне и отсутствию в недавних клинических испытаниях или существующих лекарств. Были выполнены испытания аффинности связывания и активности для CDK20, которые использовали клетки HEK-293, аффинные бусины и радиометрические белковые киназные испытания. Соединения были протестированы при различных концентрациях, и рассчитывались значения IC50. Клетки Huh7 и HEK293 обрабатывались различными концентрациями соединений, а жизнеспособность клеток измерялась с использованием хемилюминесцентного испытания после трехдневного инкубирования. Результаты были проанализированы с использованием программного обеспечения GraphPad Prism.
Преимущества ИИ-приводимого поиска лекарств с использованием AlphaFold
Insilico Medicine интегрировала предсказания структуры белка AlphaFold в свою платформу Pharma.AI, используя PandaOmics для идентификации целей и Chemistry42 для генерации молекул. В течение 30 дней после выбора целей, они выявили путь цели для HCC и синтезировали молекулу-кандидата без экспериментально определенной структуры. Последующая оптимизация соединений, поддерживаемая ИИ, привела к обнаружению более мощного ингибитора. Это достижение подчеркивает трансформационное воздействие ИИ на поиск лекарств, ускоряя процессы, традиционно затрудненные ограничениями времени и затрат. Эксперты, такие как лауреат Нобелевской премии Майкл Левитт, подчеркивают потенциал ИИ революционизировать здравоохранение путем расширения возможностей борьбы с заболеваниями. В то же время, инновации, как, например, лаборатории с автоматическим управлением, обещают дальнейшие успехи в области молекулярного и материального открытия.
Быстрая идентификация и оптимизация ингибиторов CDK20 с использованием предсказаний AlphaFold
Предсказанные структуры белков AlphaFold облегчили быстрое открытие ингибиторов CDK20 через интегрированный подход к поиску лекарств, поддерживаемый ИИ. Вначале было синтезировано и оценено семь соединений, при этом ISM042-2-001 показал скромную аффинность связывания и профиль селективности. Последующие раунды генерации соединений под руководством ИИ в течение замечательных 30 дней привели к появлению ISM042-2-048 как значительно улучшенного ингибитора с улучшенной аффинностью связывания (Kd = 566,7 ± 256,2 нМ) и мощным ингибированием киназы CDK20 (IC50 = 33,4 ± 22,6 нМ). ISM042-2-048 проявил селективный антипролиферативный эффект в клетках HCC, переэкспрессирующих CDK20, указывая на его потенциал в качестве целевого терапевтического агента. Продолжающиеся усилия включают дальнейшую оптимизацию и комплексную оценку свойств ADME и селективности киназ, подчеркивая трансформационную роль AlphaFold в ускорении усилий по открытию новых лекарственных средств.
Если вы хотите, чтобы ваша компания развивалась с помощью искусственного интеллекта (ИИ) и оставалась в числе лидеров, грамотно используйте Leveraging AlphaFold and AI for Rapid Discovery of Targeted Treatments for Liver Cancer.
Проанализируйте, как ИИ может изменить вашу работу. Определите, где возможно применение автоматизацию: найдите моменты, когда ваши клиенты могут извлечь выгоду из AI.
Определитесь какие ключевые показатели эффективности (KPI): вы хотите улучшить с помощью ИИ.
Подберите подходящее решение, сейчас очень много вариантов ИИ. Внедряйте ИИ решения постепенно: начните с малого проекта, анализируйте результаты и KPI.
На полученных данных и опыте расширяйте автоматизацию.
Если вам нужны советы по внедрению ИИ, пишите нам на https://t.me/itinai. Следите за новостями о ИИ в нашем Телеграм-канале t.me/itinainews или в Twitter @itinairu45358
Попробуйте AI Sales Bot https://itinai.ru/aisales. Этот AI ассистент в продажах, помогает отвечать на вопросы клиентов, генерировать контент для отдела продаж, снижать нагрузку на первую линию.
Узнайте, как ИИ может изменить ваши процессы с решениями от AI Lab itinai.ru будущее уже здесь!
“`
