يكتشف الذكاء الاصطناعي الأدوية التي يمكن أن تحارب الشيخوخة والأمراض المرتبطة بالعمر

إن العثور على أدوية جديدة – يسمى “اكتشاف الأدوية” – مهمة مكلفة وتستغرق وقتًا طويلاً. لكن نوعًا من الذكاء الاصطناعي يسمى التعلم الآلي يمكنه تسريع العملية بشكل كبير والقيام بالمهمة مقابل جزء بسيط من السعر.

استخدمت أنا وزملائي هذه التقنية مؤخرًا للعثور على ثلاثة مرشحين واعدين للأدوية الحالة للشيخوخة – الأدوية التي تبطئ الشيخوخة وتمنع الأمراض المرتبطة بالشيخوخة.

Senolytics يعمل عن طريق قتل الخلايا الشائخة. هذه هي الخلايا “الحية” (النشطة الأيضية) ، ولكنها لم تعد قادرة على التكاثر ، ومن هنا اسمها المستعار: خلايا الزومبي.

عدم القدرة على التكرار ليس بالضرورة أمرًا سيئًا. لقد عانت هذه الخلايا من تلف الحمض النووي – على سبيل المثال ، خلايا الجلد التي تضررت بفعل أشعة الشمس – لذا فإن إيقاف التكاثر يوقف انتشار الضرر.

لكن الخلايا الشائخة ليست دائمًا شيئًا جيدًا. تفرز مزيجًا من البروتينات الالتهابية التي يمكن أن تنتشر إلى الخلايا المجاورة. على مدار حياتنا ، تعاني خلايانا وابلًا من الهجمات ، من الأشعة فوق البنفسجية إلى التعرض للمواد الكيميائية ، وبالتالي تتراكم هذه الخلايا. تتورط أعداد كبيرة من الخلايا المتشيخة في مجموعة من الأمراض ، بما في ذلك مرض السكري من النوع 2 ، وفيروس كورونا ، والتليف الرئوي ، وهشاشة العظام ، والسرطان.

أظهرت الدراسات التي أُجريت على فئران التجارب أن القضاء على الخلايا الشائخة باستخدام الأدوية الحالة للشيخوخة يمكن أن يخفف من هذه الأمراض. يمكن لهذه الأدوية أن تقتل خلايا الزومبي مع الحفاظ على الخلايا السليمة على قيد الحياة.

من المعروف أن حوالي 80 دواء للشيخوخة معروفة ، ولكن تم اختبار اثنين فقط على البشر: مزيج من dasatinib و quercetin. سيكون من الرائع العثور على المزيد من الأدوية الحالة للشيخوخة التي يمكن استخدامها في مجموعة متنوعة من الأمراض ، لكن الأمر يستغرق من 10 إلى 20 عامًا ومليارات الدولارات للوصول إلى السوق.

النتائج في خمس دقائق

أردنا أنا وزملائي – بما في ذلك باحثون من جامعة إدنبرة والمجلس الوطني الإسباني للبحوث IBBTEC-CSIC في سانتاندير بإسبانيا – معرفة ما إذا كان بإمكاننا تدريب نماذج التعلم الآلي لتحديد الأدوية المرشحة للشيخوخة الجديدة.

للقيام بذلك ، قمنا بإطعام نماذج الذكاء الاصطناعي بأمثلة على الحالة المعروفة للشيخوخة وغير الحالة للشيخوخة. تعلمت النماذج التمييز بين الاثنين ، ويمكن استخدامها للتنبؤ بما إذا كانت الجزيئات التي لم يسبق لها مثيل من قبل يمكن أن تكون أيضًا مسببة للشيخوخة.

عند حل مشكلة التعلم الآلي ، عادةً ما نختبر البيانات على مجموعة من النماذج المختلفة أولاً لأن بعضها يميل إلى الأداء بشكل أفضل من البعض الآخر. لتحديد النموذج الأفضل أداءً ، في بداية العملية ، نقوم بفصل قسم صغير من بيانات التدريب المتاحة وإبقائها مخفية عن النموذج حتى اكتمال عملية التدريب. ثم نستخدم بيانات الاختبار هذه لتحديد عدد الأخطاء التي يرتكبها النموذج. الشخص الذي يرتكب أقل عدد من الأخطاء يفوز.

لقد حددنا أفضل نموذج لدينا ووضعناه لعمل تنبؤات. أعطيناها 4340 جزيء وبعد خمس دقائق قدمت قائمة بالنتائج.

حدد نموذج الذكاء الاصطناعي 21 جزيئًا حاصلًا على أعلى الدرجات والتي اعتبرها ذات احتمالية عالية لكونها حالية للشيخوخة. إذا قمنا باختبار 4340 جزيءًا أصليًا في المختبر ، لكان قد استغرق الأمر بضعة أسابيع على الأقل من العمل المكثف و 50000 جنيه إسترليني فقط لشراء المركبات ، دون احتساب تكلفة الآلات التجريبية والإعداد.

ثم اختبرنا هذه الأدوية المرشحة على نوعين من الخلايا: صحية وشيخوخة. وأظهرت النتائج أنه من بين 21 مركبًا ، تمكنت ثلاثة (بيريبلوسين وأولياندرين وجينكستين) من القضاء على الخلايا المتشيخة ، مع الحفاظ على معظم الخلايا الطبيعية على قيد الحياة. ثم خضعت هذه الأدوية الجديدة للشيخوخة لمزيد من الاختبارات لمعرفة المزيد حول كيفية عملها في الجسم.

أظهرت التجارب البيولوجية الأكثر تفصيلاً أنه من بين الأدوية الثلاثة ، كان الأولياندرين أكثر فاعلية من أفضل دواء مضاد للشيخوخة معروف من نوعه.

التداعيات المحتملة لهذا النهج متعدد التخصصات – التي تشمل علماء البيانات والكيميائيين وعلماء الأحياء – هائلة. بالنظر إلى ما يكفي من البيانات عالية الجودة ، يمكن لنماذج الذكاء الاصطناعي تسريع العمل المذهل الذي يقوم به الكيميائيون وعلماء الأحياء لإيجاد علاجات وعلاجات للأمراض – خاصة تلك التي لم تتم تلبيتها.

بعد التحقق من صحتها في الخلايا الشائخة ، نحن الآن نختبر الأدوية الثلاثة المرشحة للشيخوخة في أنسجة الرئة البشرية. نأمل أن نبلغ عن نتائجنا القادمة في غضون عامين.