Trenując głębokie sieci neuronowe na danych eksperymentalnych, naukowcy byli w stanie zidentyfikować trzech potencjalnych kandydatów na leki z puli ponad 800 tys. cząsteczek. Mają one mieć, lepsze właściwości kliniczne niż istniejące senolityki. To związki, których działanie polega na selektywnym eliminowaniu starzejących się komórek. Naukowcy od lat pracują nad wykorzystaniem ich w tworzeniu skutecznych leków przeciwstarzeniowych.
Według portalu ScitechDaily nowa platforma AI obiecuje przyspieszyć postęp w opracowywaniu nowych senolitycznych związków i badaniach nad długowiecznością. Niedawny artykuł opublikowany w magazynie „Nature Aging” przez naukowców z Integrated Biosciences, firmy biotechnologicznej łączącej biologię syntetyczną i uczenie maszynowe w celu zwalczania starzenia – wskazuje, że takie badania faktycznie przyniosły pierwsze sukcesy.
W artykule opisano, w jaki sposób można wykorzystać sztuczną inteligencję (AI) do identyfikacji nowych związków senolitycznych ze względu na ich potencjał do hamowania procesów związanych ze starzeniem, takich jak zwłóknienia, stany zapalne i nowotwory. Artykuł jest wynikiem wspólnej pracy naukowców z Massachusetts Institute of Technology (MIT) oraz Broad Institute z MIT i Uniwersytetu Harvard. Publikacja przedstawia analizę ponad 800 tys. związków przeprowadzoną przez AI, której udało się zidentyfikować trzy potencjalne leki o porównywalnej skuteczności i lepszych właściwościach niż obecnie badane senolityki.
Czytaj więcej
Wprowadzenie leku wydłużającego ludzkie życie jest coraz bliżej - twierdzą naukowcy z amerykańskiej Mayo Clinic. Badacze uważają, że udało im się zapanować nad tak zwanymi komórkami zombie, które odpowiadają za starzenie ludzkiego organizmu.
„Ten wynik jest kamieniem milowym zarówno dla badań nad długowiecznością, jak i zastosowania sztucznej inteligencji do odkrywania leków” – powiedział dr Felix Wong, współzałożyciel Integrated Biosciences i główny autor publikacji. W rozpowie z portalem ScitechDaily podkreślił, że dane te pokazują, że naukowcy mogą badać cząsteczki chemiczne in silico (termin naukowy stosowany w biologii, informujący o tym, że wykonane czynności zostały przeprowadzone za pomocą komputera) i wychwytywać wiele potencjalnych związków przeciwstarzeniowych, które z większym prawdopodobieństwem odniosą sukces w testach klinicznych.
