Исследователи используют искусственный интеллект для разработки новых психоделиков

[Alisa]

Исследователи используют искусственный интеллект для разработки новых лекарств, в том числе новых психоделиков для использования в качестве антидепрессантов.

Исследователи-фармацевтики в Соединенном Королевстве используют инструмент искусственного интеллекта AlphaFold для разработки новых психоделических препаратов, согласно исследованию, опубликованному в прошлом месяце.

Исследование, которое еще не прошло экспертной оценки, показывает, что использование инструмента искусственного интеллекта так же полезно, как и экспериментально полученные белковые структуры, исследование которых может занять до нескольких лет. Полученные результаты являются еще одним доказательством полезности AlphaFold, инструмента искусственного интеллекта, разработанного DeepMind в Лондоне.

“AlphaFold - это абсолютная революция”, - сказал Nature Йенс Карлссон, химик-вычислитель из Университета Уппсалы в Швеции. “Если у нас будет хорошая структура, мы сможем использовать ее для разработки лекарств”.

Общедоступная база данных AlphaFold, содержащая предсказания структуры почти для каждого известного белка, оказалась значительным достижением в биологических исследованиях. С помощью этого инструмента фармацевтические компании могут использовать белковую структуру молекул, участвующих в развитии заболеваний, для выявления и совершенствования новых многообещающих лекарств. Но не всем нравится технология искусственного интеллекта AlphaFold в качестве инструмента для разработки новых лекарств.

“Вокруг этого много шумихи”, - сказал Брайан Шойше, химик-фармацевт из Калифорнийского университета в Сан-Франциско. “Всякий раз, когда кто-то говорит: "то-то и то-то произведет революцию в разработке лекарств", это вызывает некоторый скептицизм”.

Шойше отметил, что более 10 исследований показали, что предсказания, сделанные AlphaFold, были не столь полезны, как белковые структуры, полученные экспериментальными методами, такими как рентгеновская кристаллография, при использовании для идентификации потенциальных лекарств в методе моделирования, называемом стыковкой белок–лиганд.

Стыковка белок-лиганд - это метод, обычно используемый на ранних стадиях разработки лекарств, который использует моделирование для определения того, как сотни миллионов или даже миллиарды соединений взаимодействуют с ключевыми участками белка, чтобы идентифицировать вещества, изменяющие активность белка. Предыдущие исследования показали, что при использовании структур, предсказанных AlphaFold, модели плохо справляются с идентификацией лекарств, которые, как уже известно, связываются с определенным белком.

Шойше и Брайан Рот, структурные биологи из Университета Северной Каролины в Чапел-Хилле, возглавляли группу исследователей, которые пришли к аналогичному выводу, когда протестировали альфа-структуры двух белков, участвующих в нервно-психических расстройствах, на известных лекарствах. Исследователи надеялись определить, могут ли небольшие отличия от экспериментальных структур привести к тому, что в предсказанных структурах будут отсутствовать определенные соединения, которые связываются с белками, но также позволят им идентифицировать различные потенциально полезные соединения.

Исследователи проверили гипотезу, используя экспериментальные структуры двух белков для виртуального скрининга сотен миллионов потенциальных новых лекарств. Один из белков, рецептор, который воспринимает нейромедиатор серотонин, был ранее определен с помощью криоэлектронной микроскопии. Структура другого белка, называемого σ-2 рецептором, была нанесена на карту с помощью рентгеновской кристаллографии.

Исследователи провели тот же скрининг с моделями, взятыми из базы данных AlphaFold. Затем они синтезировали сотни соединений, которые считались наиболее перспективными, идентифицированными либо с помощью предсказанных ИИ, либо экспериментальных структур, и измерили их активность. Примечательно, что скрининги с предсказанными и экспериментальными структурами выявили разные лекарственные препараты-кандидаты.

“Не было двух одинаковых молекул”, - сказал Шойше. “Они даже не были похожи друг на друга”.

Исследователи, однако, заметили, что доля помеченных соединений, которые значительным образом изменяли активность белка – известная как частота попадания – была почти одинаковой для двух групп. Структуры AlphaFold идентифицировали препараты, которые активировали рецептор серотонина наиболее сильно.

ЛСД, наркотик, широко известный как кислота, частично активирует рецептор серотонина. Многие исследователи пытаются идентифицировать препараты, которые действуют аналогично, не вызывая галлюциногенных эффектов, чтобы их можно было использовать в качестве антидепрессантов.

“Это действительно новый результат”, - сказал Шойше.

Карлссон и его команда исследователей обнаружили в исследовании, которое еще предстоит опубликовать, что структуры AlphaFold имеют примерно 60%-ную вероятность попадания в класс мишеней, называемых рецепторами, связанными с G-белком. Он сказал, что наличие инструмента, который может надежно предсказывать белковые структуры, было бы революционным для индустрии разработки лекарств.

“Было бы очень удобно, если бы мы могли нажать на кнопку и получить структуру, которую мы могли бы использовать для обнаружения лигандов”, - сказал он.

Но AlphaFold не заменит другие методы обнаружения новых лекарств. Предсказанные структуры могут быть полезны для некоторых, но не для всех лекарственных целей, и не всегда очевидно, какие из них применимы.

“Это не панацея”, - говорит Карен Акинсанья, президент отдела исследований и разработок в области терапии в Schrödinger, компании по разработке программного обеспечения для лекарств, базирующейся в Нью-Йорке, которая использует AlphaFold.

Искусственный интеллект вряд ли заменит эксперименты по созданию новых лекарств, но исследователи говорят, что ценность AlphaFold и подобных инструментов следует признать.

“Есть много людей, которые хотят, чтобы AlphaFold делала все, и многие специалисты по структурной биологии хотят найти причины, чтобы сказать, что мы все еще нужны”, - говорит Карлссон. “Найти правильный баланс сложно”.

У Вас недостаточно прав для просмотра ссылки. Войдите или зарегистрируйтесь.