AI e la ricerca di farmaci senoliotici-Immagine Credit Photoroyalty/Shutterstock-
Trovare nuovi farmaci è un’attività costosa e che richiede tempo. Ma un tipo di intelligenza artificiale chiamata machine learning può accelerare enormemente il processo e svolgere il lavoro a una frazione del prezzo.
“I miei colleghi e io abbiamo recentemente utilizzato questa tecnologia per trovare tre candidati promettenti farmaci senolitici, farmaci che rallentano l’invecchiamento e prevengono le malattie legate all’età”, dice Vanessa Smer-Barreto del Cancer Research UK Edinburgh Centre.
La nostra ricerca è stata pubblicata sulla rivista Nature Communications.
I senolitici agiscono uccidendo le cellule senescenti. Si tratta di cellule “vive” (metabolicamente attive), ma che non possono più replicarsi, da qui il loro soprannome: cellule zombie.
L’incapacità di replicarsi non è necessariamente una cosa negativa. Queste cellule hanno subito danni al loro DNA, ad esempio le cellule della pelle danneggiate dai raggi del sole, quindi l’arresto della replicazione impedisce la diffusione del danno.
Ma le cellule senescenti non sono sempre una buona cosa. Secernono un cocktail di proteine infiammatorie che possono diffondersi alle cellule vicine. Nel corso della vita, le nostre cellule subiscono una raffica di aggressioni, dai raggi UV all’esposizione a sostanze chimiche e quindi queste cellule si accumulano. Un numero elevato di cellule senescenti è stato implicato in una serie di malattie, tra cui diabete di tipo 2, COVID, fibrosi polmonare, artrosi e cancro.
Studi su topi di laboratorio hanno dimostrato che l’eliminazione delle cellule senescenti, utilizzando i senolitici, può migliorare queste malattie. Questi farmaci possono uccidere le cellule zombi mantenendo in vita le cellule sane.
Sono noti circa 80 senolitici, ma solo due sono stati testati sull’uomo: una combinazione di Dasatinib e Quercetina. Sarebbe bello trovare più senolitici che possono essere utilizzati in una varietà di malattie, ma ci vogliono dai dieci ai 20 anni e miliardi di dollari perché un farmaco arrivi sul mercato.
Risultati in cinque minuti
“I miei colleghi e io, compresi i ricercatori dell’Università di Edimburgo e del Consiglio Nazionale delle ricerche spagnolo IBBTEC-CSIC a Santander, in Spagna, volevamo sapere se potevamo addestrare modelli di apprendimento automatico per identificare nuovi farmaci senolitici candidati”, dice la ricercatrice Vanessa Smer-Barreto. “Per fare ciò, abbiamo alimentato i modelli di intelligenza artificiale con esempi di senolitici noti e non senolitici. I modelli hanno imparato a distinguere tra i due e potrebbero essere usati per prevedere se anche le molecole che non avevano mai visto prima potessero essere senolitici”.
“Quando risolviamo un problema di apprendimento automatico, di solito testiamo prima i dati su una gamma di modelli diversi poiché alcuni di essi tendono a funzionare meglio di altri. Per determinare il modello con le migliori prestazioni, all’inizio dela sperimentazione, separiamo una piccola sezione dei dati di addestramento disponibili e la teniamo nascosta al modello fino al completamento del processo di addestramento. Quindi utilizziamo questi dati di test per quantificare quanti errori sta commettendo il modello. Vince chi fa meno errori“.
I ricercatori hanno determinato il modello migliore e lo hanno impostato per fare previsioni. Gli hanno fornito 4.340 molecole e cinque minuti dopo ha il modello ha fornito un elenco di risultati.
Il modello AI ha identificato 21 molecole con il punteggio più alto che ha ritenuto avere un’alta probabilità di essere senolitiche. “Se avessimo testato le 4.340 molecole originali in laboratorio, ci sarebbero volute almeno alcune settimane di intenso lavoro e 50.000 sterline solo per acquistare i composti, senza contare il costo del macchinario sperimentale e della messa a punto”, spiega la ricercatrice.
“Abbiamo quindi testato questi farmaci candidati su due tipi di cellule: sane e senescenti. I risultati hanno mostrato che dei 21 composti, tre (periplocina, oleandrina e ginkgetin) sono stati in grado di eliminare le cellule senescenti, mantenendo in vita la maggior parte delle cellule normali. Questi nuovi senolitici sono stati poi sottoposti a ulteriori test per saperne di più su come funzionano nel corpo.
Vedi anche:CognoSpeak, l’AI che sta trasformando la diagnosi della demenza
Esperimenti biologici più dettagliati hanno dimostrato che, tra i tre farmaci, l’oleandrina era più efficace del farmaco senolitico conosciuto con le migliori prestazioni nel suo genere.
Le potenziali ripercussioni di questo approccio interdisciplinare, che coinvolge data scientist, chimici e biologi, sono enormi. Con un numero sufficiente di dati di alta qualità, i modelli di intelligenza artificiale possono accelerare lo straordinario lavoro svolto da chimici e biologi per trovare trattamenti e cure per le malattie, in particolare quelle con bisogni insoddisfatti.
“Dopo averli convalidati in cellule senescenti, stiamo ora testando i tre senolitici candidati nel tessuto polmonare umano. Speriamo di riportare i nostri prossimi risultati tra due anni”, aggiunge la Dr.ssa Vanessa Smer-Barreto.
Fonte: Nature
