帕金森病研究取得突破,人工智能加速发现潜在治疗方法
关键词: #健康资讯
关键词: #健康资讯
科研团队使用人工智能技术显著推动了帕金森病治疗方法的研究进展。
剑桥大学研究人员开发了一种基于人工智能的策略,旨在识别阻止α-突触核蛋白(帕金森氏症的特征蛋白)聚集或聚集的化合物。
团队利用机器学习技术快速筛选了一个包含数百万条目的化学库,并确定了五种高效化合物,以便进行进一步研究。
全球有超过600万人患有帕金森氏症,预计到2040年这将增加至两倍。目前还没有有效的治疗此疾病的药物。在筛选候选药物的大型化学库中的过程非常耗时和昂贵,通常不会成功,并且需要在进行患者的潜在治疗测试之前进行。
通过机器学习技术,研究人员能够将原始筛选速度提高十倍,同时将成本减少一千倍。这可能意味着帕金森病的潜在治疗方法能够更快地应用于患者。这一研究成果已在《自然化学生物学》杂志上发表。
帕金森氏病是全球发展最快的神经系统疾病之一。在英国,目前每37位活着的人中就有一位在一生中会被诊断患有帕金森氏症。除了影响运动功能以外,帕金森氏症还可能对胃肠系统、神经系统、睡眠、情绪和认知产生影响,并且有可能降低生活质量并导致残疾。
蛋白质在重要的细胞过程中扮演关键角色,但当患有帕金森氏症时,这些蛋白就会失控,导致神经细胞死亡。蛋白质错误折叠时,会形成称为路易体的异常簇,这些簇在脑细胞内堆积,妨碍其正常功能。
化学系的Michele Vendruscolo教授表示,寻找治疗帕金森症的方法之一是发现能够抑制α-突触核蛋白聚集的小分子。α-突触核蛋白是与该疾病密切相关的蛋白质。这项研究由Yusuf Hamied领导。然而,这是一个十分耗时的过程,仅仅找出一个主要候选者进行进一步测试可能需要数月甚至数年的时间。
尽管目前正在进行帕金森病的临床试验,但尚无批准的药物可以缓解疾病症状,这表明还无法直接针对引发该疾病的分子种类。
长期以来,帕金森病研究面临的主要困难在于缺乏有效识别分子靶标并与之互动的方法。这种技术上的不足严重阻碍了有效治疗方法的研发。
剑桥团队研发了一项机器学习技术,通过筛选数百万种化合物的化学数据库,以发现能够结合并阻止淀粉样蛋白聚集体增殖的小分子。
接着对一些顶尖化合物进行实验测试,以筛选出最有效的聚集抑制剂。通过这些实验数据,不断地迭代更新机器学习模型,经过多次迭代后,就能够找出高效的化合物。
通过这一方法,剑桥团队已经成功地开发出一种针对聚集体表面口袋的化合物,这些口袋正是导致聚集体指数级增殖的根源。与之前报道的化合物相比,这些新化合物的效力提高了数百倍,并且研发成本也大大降低。
Vendruscolo 表示:“机器学习对药物发现产生了实质性影响,加速了发现最有希望候选药物的整个过程。”“这对我们意味着可以同时进行多个药物发现项目,而不是仅限于一个。随着时间和成本大幅减少,一切皆有可能——这是一个激动人心的时刻。”
2024-12-05
2024-12-05
2024-12-05
2024-12-05
2024-12-05