Tìm kiếm các loại thuốc mới – được gọi là “khám phá thuốc” – là một nhiệm vụ tốn kém và tốn thời gian. Nhưng một loại trí tuệ nhân tạo được gọi là học máy có thể đẩy nhanh quá trình và thực hiện công việc với một phần nhỏ chi phí.
Gần đây, tôi và các đồng nghiệp đã sử dụng công nghệ này để tìm ra ba ứng cử viên đầy hứa hẹn cho thuốc lão hóa – loại thuốc làm chậm quá trình lão hóa và ngăn ngừa các bệnh liên quan đến tuổi tác.
Senolytics hoạt động bằng cách giết chết tế bào bạch cầu. Đây là những tế bào “còn sống” (hoạt động trao đổi chất), nhưng không thể tái tạo được nữa, do đó chúng có biệt danh là: tế bào thây ma.
Không có khả năng tái tạo không nhất thiết là một điều xấu. Những tế bào này đã bị tổn hại DNA của chúng – ví dụ, các tế bào da bị tổn thương do tia nắng mặt trời – vì vậy việc ngừng sao chép sẽ ngăn tổn thương lan rộng.
Nhưng các tế bào lão hóa không phải lúc nào cũng tốt. Chúng tiết ra một hỗn hợp các protein gây viêm có thể lây lan sang các tế bào lân cận. Trong suốt cuộc đời, các tế bào của chúng ta phải chịu hàng loạt các cuộc tấn công, từ tia UV cho đến việc tiếp xúc với hóa chất, và do đó, các tế bào này tích tụ lại. Số lượng tế bào bạch cầu tăng cao có liên quan đến một nhiều loại bệnh, bao gồm bệnh tiểu đường loại 2, COVID, xơ phổi, viêm xương khớp và ung thư.
Nghiên cứu trên chuột thí nghiệm đã chỉ ra rằng việc loại bỏ các tế bào lão hóa, sử dụng phân giải huyết thanh, có thể cải thiện các bệnh này. Những loại thuốc này có thể tiêu diệt các tế bào xác sống trong khi vẫn giữ cho các tế bào khỏe mạnh sống sót.
Xung quanh 80 lão hóa được biết đến, nhưng chỉ có hai loại đã được thử nghiệm ở người: sự kết hợp của dasatinib và quercetin. Sẽ thật tuyệt nếu tìm thấy nhiều chất chống lão hóa có thể được sử dụng trong nhiều loại bệnh, nhưng phải mất từ 20 đến XNUMX năm và tỷ đô la để thuốc có thể tung ra thị trường.
Kết quả sau năm phút
Tôi và các đồng nghiệp – bao gồm các nhà nghiên cứu từ Đại học Edinburgh và Hội đồng Nghiên cứu Quốc gia Tây Ban Nha IBBTEC-CSIC ở Santander, Tây Ban Nha – muốn biết liệu chúng tôi có thể đào tạo các mô hình máy học để xác định các ứng cử viên thuốc chống lão hóa mới hay không.
Để làm điều này, chúng tôi đã cung cấp cho các mô hình AI các ví dụ về senolytics và non-senolytics. Các mô hình đã học cách phân biệt giữa hai loại này và có thể được sử dụng để dự đoán liệu các phân tử mà chúng chưa từng thấy trước đây cũng có thể là senolytics hay không.
Khi giải quyết một vấn đề về máy học, trước tiên chúng tôi thường kiểm tra dữ liệu trên một loạt các mô hình khác nhau vì một số mô hình có xu hướng hoạt động tốt hơn các mô hình khác. Để xác định mô hình hoạt động tốt nhất, khi bắt đầu quá trình, chúng tôi tách một phần nhỏ của dữ liệu đào tạo có sẵn và ẩn nó khỏi mô hình cho đến khi quá trình đào tạo hoàn tất. Sau đó, chúng tôi sử dụng dữ liệu thử nghiệm này để định lượng có bao nhiêu lỗi mà mô hình đang mắc phải. Ai mắc ít lỗi nhất sẽ thắng.
Chúng tôi đã xác định mô hình tốt nhất của mình và đặt nó để đưa ra dự đoán. Chúng tôi đã cho nó 4,340 phân tử và năm phút sau nó đưa ra một danh sách kết quả.
Mô hình AI đã xác định được 21 phân tử có điểm số cao nhất mà nó cho là có khả năng cao là senolytics. Nếu chúng tôi đã thử nghiệm 4,340 phân tử ban đầu trong phòng thí nghiệm, thì sẽ mất ít nhất vài tuần làm việc chuyên sâu và 50,000 bảng Anh chỉ để mua các hợp chất, chưa kể chi phí cho máy móc và thiết lập thử nghiệm.
Sau đó, chúng tôi đã thử nghiệm các ứng cử viên thuốc này trên hai loại tế bào: khỏe mạnh và lão hóa. Kết quả cho thấy trong số 21 hợp chất, ba hợp chất (periplocin, oleandrin và ginkgetin) có thể loại bỏ các tế bào lão hóa, đồng thời giữ cho hầu hết các tế bào bình thường sống sót. Những chất chống lão hóa mới này sau đó đã trải qua thử nghiệm thêm để tìm hiểu thêm về cách chúng hoạt động trong cơ thể.
Các thí nghiệm sinh học chi tiết hơn cho thấy, trong số ba loại thuốc, oleandrin hiệu quả hơn loại thuốc chống lão hóa có hiệu quả tốt nhất được biết đến cùng loại.
Những tác động tiềm ẩn của phương pháp liên ngành này - liên quan đến các nhà khoa học dữ liệu, nhà hóa học và nhà sinh học - là rất lớn. Được cung cấp đủ dữ liệu chất lượng cao, các mô hình AI có thể đẩy nhanh công việc tuyệt vời mà các nhà hóa học và sinh học thực hiện để tìm ra phương pháp điều trị và chữa bệnh – đặc biệt là những bệnh chưa được đáp ứng nhu cầu.
Sau khi xác nhận chúng trong các tế bào lão hóa, chúng tôi hiện đang thử nghiệm ba ứng cử viên lão hóa trong mô phổi của con người. Chúng tôi hy vọng sẽ báo cáo kết quả tiếp theo của chúng tôi trong thời gian hai năm.
Giới thiệu về Tác giả
Vanessa Smer-Barreto, Nghiên cứu viên, Viện Di truyền và Y học Phân tử, Đại học Edinburgh
Bài viết này được tái bản từ Conversation theo giấy phép Creative Commons. Đọc ban đầu bài viết.
Sách liên quan:
Cơ thể ghi điểm: Bộ não và cơ thể trong quá trình chữa lành chấn thương
bởi Bessel van der Nikol
Cuốn sách này khám phá mối liên hệ giữa chấn thương với sức khỏe thể chất và tinh thần, đưa ra những hiểu biết sâu sắc và chiến lược để chữa lành và phục hồi.
Bấm để biết thêm thông tin hoặc đặt hàng
Hơi thở: Khoa học mới về nghệ thuật đã mất
bởi James Nestor
Cuốn sách này khám phá khoa học và thực hành thở, cung cấp những hiểu biết sâu sắc và kỹ thuật để cải thiện sức khỏe thể chất và tinh thần.
Bấm để biết thêm thông tin hoặc đặt hàng
Nghịch lý thực vật: Nguy cơ tiềm ẩn trong thực phẩm "lành mạnh" gây bệnh và tăng cân
của Steven R. Gundry
Cuốn sách này khám phá mối liên hệ giữa chế độ ăn uống, sức khỏe và bệnh tật, đưa ra những hiểu biết sâu sắc và chiến lược để cải thiện sức khỏe tổng thể và sức khỏe.
Bấm để biết thêm thông tin hoặc đặt hàng
Mã miễn dịch: Mô hình mới cho sức khỏe thực sự và chống lão hóa triệt để
bởi Joel Greene
Cuốn sách này đưa ra một quan điểm mới về sức khỏe và khả năng miễn dịch, dựa trên các nguyên tắc biểu sinh và đưa ra những hiểu biết sâu sắc cũng như chiến lược để tối ưu hóa sức khỏe và lão hóa.
Bấm để biết thêm thông tin hoặc đặt hàng
Hướng dẫn hoàn chỉnh về nhịn ăn: Chữa lành cơ thể thông qua nhịn ăn gián đoạn, luân phiên và kéo dài
bởi Tiến sĩ Jason Fung và Jimmy Moore
Cuốn sách này khám phá khoa học và thực hành nhịn ăn, cung cấp những hiểu biết sâu sắc và chiến lược để cải thiện sức khỏe tổng thể và sức khỏe.
