Mindössze 5 perc kellett egy speciálisan képzett mesterséges intelligenciának, hogy hatékonyabb molekulát találjon a jelenleg ismert legjobb öregedésgátló gyógyszernél.
Napjaink csúcstechnológiáinak pozitív hozadékai között már számtalan példát láthattunk az orvostudományban, az agykutatástól a súlyos betegségek korai diagnosztizálásától a személyre szabott kezelésekig. Most az edinburgh-i egyetem genetikai és molekuláris orvostudományi intézetének kutatója, Vanessa Smer-Barreto egy olyan eredményről számolt be, amely valamennyiünket érint: az öregedés ellen is felvehetik a harcot gépi tanuláson alapuló mesterséges intelligenciával.
Smer-Barreto és kollégái ugyanis ezzel a módszerrel
Ezek a gyógyszerek végeznek az öregedő sejtekkel, amelyek ugyan élnek, aktív az anyagcseréjük, de nem tudnak már újratermelődni. Ezért is hívják őket „zombi-sejteknek” – írja a ScienceAlert.
Az újratermelődés képtelenség nem feltétlenül rossz dolog, mert ezek a sejtek, például a napsugarak által károsított bőrsejtek, ártanak a DNS-ünknek. Így az újratermelődés megszűnése a károsító hatást is leállítja. Ugyanakkor van bennünk egy olyan gyulladásokozó proteinkeverék, amely szétterjedhet a környező sejtekben.
Életünk során sejtjeinknek számos támadást kell elviselniük, az ibolyántúli sugaraktól a vegyi anyagokig, és ezek a károsodott sejtek felgyülemlenek. A nagy számú öregedő sejtek sokféle betegségben játszanak szerepet, köztük a 2-es típusú cukorbetegségben, a Covidban, a tüdőfibrózisban, az ízületi porckopásban, de a rákban is.
Egereken végzett laboratóriumi kísérletek kimutatták, hogy az öregedő sejtek szenolitikummal való eltávolításával enyhíteni lehet ezeket a betegségeket.
Jelenleg mintegy 80 féle szenolitikum ismert, de csak kettőt teszteltek eddig embereken. Az ilyen irányú kutatások mindeddig nagyon idő- és pénzigényesek voltak. Az edinburghi csapat azonban a Spanyol Nemzeti Kutatási Tanács santanderi intézetével együtt új megközelítést alkalmazott: gépi tanulási modelleket képzett ki új szenolitikumok felfedezésére.
A kutatók ismert szenolitikumok és másfajta gyógyszerek példáival képezték a mesterséges intelligenciákat. A modellek megtanulták ezeket egymástól megkülönböztetni, és meg tudták mondani, hogy az általuk észlelt molekulák közül melyek lehetnek alkalmasak öregséget gátló gyógyszernek.
Amikor a gépi tanulás működni kezd, a kutatók az adatokat különböző modelleken tesztelik. Ilyenkor a rendelkezésre álló adatok egy részét nem bocsátják a modell rendelkezésére mindaddig, amíg a kiképzési folyamat be nem fejeződik. Ezután abból a szempontból tesztelik az adatokat, hogy egy modell hány hibát követ el. Smer-Barreto és kollégái
Kiszámították, hogy ha laboratóriumban hagyományos módszerrel tesztelték volna mindezeket a molekulákat, több heti intenzív munkára lett volna szükség, és csak az összetevők ára elérte volna az 50 ezer fontot, nem számítva a kísérletek eszközeinek költségeit.
Ezt követően a kutatók tesztelték a gyógyszerjelölt molekulákat egészséges és öregedő sejteken. Az eredmények azt mutatták, hogy a 21 közül három olyan van – a periplocin, az oleandrin és a ginkgetin – amelyek képesek eltávolítani az öregedő sejteket, miközben életben tartják a normális sejtek többségét. Ezeket az új szenolitikumokat újabb teszteknek vetették alá, hogy megvizsgálják, miként működnek a testben.
Óriási potenciál van ebben az interdiszciplináris megközelítésben – írja Vanessa Smer-Barreto. Ha elegendő jó minőségű adattal rendelkezünk, az AI-modellek felgyorsíthatják a biológusok és vegyészek munkáját a gyógyításban, az új kezelési módszerek felfedezésében. A csoport jelenleg a három szenolitikum-jelöltet emberi tüdőszöveteken teszteli, és remélik, hogy két éven belül újabb sikerről számolhatnak be.
