Alterung und andere Krankheiten wie Krebs, Typ-2-Diabetes, Arthrose und Virusinfektionen sind allesamt mit zellulärer Seneszenz als Stressreaktion verbunden. Die gezielte Entfernung seneszierender Zellen erfreut sich immer größerer Beliebtheit, obwohl nur wenige Senolytika bekannt sind, da ihre molekularen Ziele besser verstanden werden müssen. Hier beschreiben Wissenschaftler die Entdeckung von drei Senolytika mit relativ kostengünstigen Algorithmen für maschinelles Lernen, die vollständig auf zuvor veröffentlichten Daten basieren. In menschlichen Zelllinien, die verschiedene Arten der Seneszenz durchlaufen, bestätigten sie die senolytische Wirkung von Ginkgetin, Periplocin und Oleandrin mithilfe eines rechnerischen Screenings mehrerer chemischer Bibliotheken. Die Chemikalien sind ebenso wirksam wie etablierte Analysen und zeigen, dass Oleandrin gegen sein Ziel wirksamer ist als die aktuellen Goldstandards. Die Methode reduzierte die Kosten für Drogenscreenings um das Hundertfache und zeigt, dass KI das Beste aus begrenzten und vielfältigen Drogenscreening-Daten herausholen kann. Dies öffnet die Tür zu neuartigen, datengesteuerten Methoden für die frühen Stadien der Arzneimittelforschung.
Obwohl sich Senolytika bei der Linderung der Symptome zahlreicher Krankheiten bei Mäusen als vielversprechend erwiesen haben, wurde ihre Eliminierung auch mit mehreren negativen Folgen in Verbindung gebracht, darunter der Beeinträchtigung von Prozessen wie der Wundheilung und der Leberfunktion. Trotz vielversprechender Ergebnisse haben nur zwei Medikamente in klinischen Studien Wirksamkeit hinsichtlich ihrer senolytischen Wirkung gezeigt.
In der Vergangenheit wurden einige gute Analysen entwickelt. Allerdings sind sie im Allgemeinen schädlich für gesunde Zellen. Jetzt haben Forscher der schottischen Universität Edinburgh einen neuartigen Ansatz entwickelt, um chemische Verbindungen zu identifizieren, die diese fehlerhaften Zellen entfernen können, ohne gesunde Zellen zu schädigen.
Sie konstruierten ein maschinelles Lernmodell zur Identifizierung von Verbindungen mit senolytischen Eigenschaften und brachten ihm dies bei. Chemikalien aus zwei bestehenden Chemikalienbibliotheken, die eine breite Palette von von der FDA zugelassenen oder in der klinischen Section befindlichen Chemikalien umfassen, wurden mit Daten zusammengeführt, die zum Trainieren des Modells aus verschiedenen Quellen, wie wissenschaftlichen Artikeln und kommerziellen Patenten, verwendet wurden. Um eine Verzerrung des maschinellen Lernsystems zu vermeiden, umfasst der Datensatz 2.523 Substanzen mit sowohl senolytischen als auch nicht-senolytischen Eigenschaften. Nach Anwendung des Algorithmus auf eine Datenbank mit über 4.000 Verbindungen wurden 21 vielversprechende Kandidaten gefunden.
In Checks wurde gezeigt, dass drei Verbindungen, Ginkgetin, Periplocin und Oleandrin, alternde Zellen eliminieren, ohne gesunde Zellen zu beeinträchtigen, was sie zu guten Kandidaten macht. Die Ergebnisse zeigten, dass Oleandrin das wirksamste der drei Mittel conflict. Alle drei sind häufige Bestandteile pflanzlicher Heilmittel.
Die Oleanderpflanze (Nerium oleander) ist die Quelle von Oleandrin, einer Substanz mit vergleichbarer Wirkung wie das Herzmedikament Digoxin, das zur Behandlung von Herzinsuffizienz und bestimmten Herzrhythmusstörungen (Arrhythmien) eingesetzt wird. Bei Oleandrin wurden krebshemmende, entzündungshemmende, HIV-, antibakterielle und antioxidative Wirkungen beobachtet. Das therapeutische Fenster für Oleandrin beim Menschen ist klein, da es über therapeutische Konzentrationen hinaus hochtoxisch ist. Daher ist der Verkauf oder die Verwendung als Lebensmittelzusatzstoff oder Arzneimittel unlawful.
Wie Oleandrin hat Linkedin nachweislich eine constructive Wirkung gegen Krebs, Entzündungen, Mikroben und das Nervensystem in Kind von antioxidativen und neuroprotektiven Eigenschaften. Der Ginkgobaum (Ginkgo biloba) ist die älteste lebende Baumart und seine Blätter und Samen werden in China seit Tausenden von Jahren für die Kräutermedizin verwendet. Dieser Baum ist die Quelle von Linkedin. Aus den getrockneten Blättern des Baumes wird ein Extrakt aus Ginkgo biloba hergestellt, der ohne Rezept verkauft wird. Es ist das meistverkaufte pflanzliche Nahrungsergänzungsmittel in den USA und Europa.
Laut den Studienautoren zeigen ihre Ergebnisse, dass die Chemikalien genauso wirksam sind wie die in früheren Studien identifizierten Senolytika, wenn nicht sogar noch wirksamer. Sie behaupten, dass ihr auf maschinellem Lernen basierender Ansatz so effektiv conflict, dass er die Anzahl der für das Screening erforderlichen Verbindungen um den Faktor 200 reduzierte.
Das Staff ist davon überzeugt, dass ihre KI-basierte Strategie einen großen Fortschritt bei der Entdeckung wirksamer Behandlungen für schwere Krankheiten darstellt. Mehrere neuartige Merkmale dieser Technik unterscheiden sie vom Customary-KI-Einsatz in der Pharmaindustrie.
- Erstens sind keine zusätzlichen Mittel für die interne experimentelle Charakterisierung von Trainingsverbindungen erforderlich, da für das Modelltraining nur veröffentlichte Daten verwendet werden.
- Zweitens ist Senolyse eine seltene molekulare Eigenschaft, und in der Literatur werden nur wenige Senolytika beschrieben, sodass die Modelle für maschinelles Lernen auf einem viel kleineren Datensatz trainiert wurden, als normalerweise auf diesem Gebiet berücksichtigt wird. Die Wirksamkeit der Methode zeigt, dass maschinelles Lernen das Beste aus Literaturdaten herausholen kann, auch wenn dieses Materials oft vielfältiger und in seinem Umfang begrenzter ist, als man annehmen könnte.
- Drittens wurden phänotypische Indikatoren der pharmakologischen Aktivität im zielunabhängigen Modelltraining verwendet. Viele Erkrankungen stellen eine erhebliche wirtschaftliche und gesellschaftliche Belastung dar, für die jedoch nur wenige oder keine Ziele bekannt sind; Unter diesen Bedingungen bietet die Entdeckung phänotypischer Arzneimittel eine Möglichkeit, die Zahl der chemischen Ausgangspunkte zu erweitern, die durch die Forschungspipeline vorangetrieben werden können.
Besuche die Papier Und Referenzartikel. Vergessen Sie nicht, mitzumachen unser 24k+ ML SubReddit, Discord-Kanal, Und E-Mail-Newsletter, wo wir die neuesten Nachrichten aus der KI-Forschung, coole KI-Projekte und mehr teilen. Wenn Sie Fragen zum obigen Artikel haben oder uns etwas entgangen ist, schreiben Sie uns gerne eine E-Mail an Asif@marktechpost.com
Empfohlene Instruments Aus AI Tools Club
🚀 Schauen Sie sich 100 KI-Tools im AI Tools Club an
Dhanshree Shenwai ist Informatikingenieur und verfügt über gute Erfahrung in FinTech-Unternehmen in den Bereichen Finanzen, Karten & Zahlungen und Bankwesen mit großem Interesse an Anwendungen von KI. Sie ist begeistert davon, neue Technologien und Fortschritte in der sich entwickelnden Welt von heute zu erforschen, um das Leben aller einfacher zu machen.
