Ученые ИТМО создали алгоритм, который ускорит и упростит разработку препаратов для лечения аутоиммунных заболеваний. Авторы использовали методы машинного обучения для поиска ингибиторов селезеночной тирозинкиназы (Syk) — белка, который играет ключевую роль в развитии такого аутоиммунного заболевания, как иммунная тромбоцитопения. С помощью нового метода исследователи уже обнаружили более ста молекул-кандидатов, которые можно будет использовать в лекарствах. Результаты исследования опубликованы в журнале Journal of Cheminformatics.
Селезеночная тирозинкиназа (Syk) участвует в работе иммунных клеток и играет важную роль в развитии аутоиммунных заболеваний — в первую очередь иммунной тромбоцитопении. Для ее лечения используют ингибиторы селезеночной тирозинкиназы — специальные соединения, которые подавляют активность белка и тем самым устраняют симптомы болезни.
Однако не все известные соединения обладают высокой эффективностью и считаются безопасными: например, фостаматиниб — одобренный препарат для лечения иммунной тромбоцитопении — согласно некоторым исследованиям, вызывает побочные эффекты и не всегда дает стабильный результат. Поэтому ученые ищут новые подходящие ингибиторы Syk. Обычно это делают в лаборатории, отбирая и тестируя сотни или даже тысячи молекул вручную — такой традиционный поиск может занять годы и требует много ресурсов. Ускорить и упростить процесс поиска новых соединений можно с помощью ИИ.
Исследователи из Центра искусственного интеллекта в химии ИТМО представили новый метод поиска ингибиторов селезеночной тирозинкиназы, который объединяет машинное обучение и генерацию новых молекул. В своей работе ученые использовали FREED++ — алгоритм, созданный для генерации новых малых молекул для конкретных терапевтических мишеней. Его адаптировали под поиск эффективных ингибиторов Syk, обучив предсказывать биологическую активность соединений на датасете из открытой библиотеки ChEMBL, в который вошли 3176 молекул-ингибиторов Syk. Разработанный алгоритм позволяет создавать химические соединения с заданными свойствами и находить новые молекулы на роль ингибиторов белка за считанные дни.
С помощью модели авторы уже получили 139 молекул-кандидатов, ингибирующих белок Syk. По цифровым оценкам ученых, они обладают высокой прогнозируемой активностью и выглядят перспективнее существующих аналогов: не только эффективнее связываются с мишенью, но и потенциально вызывают меньше побочных эффектов. В будущем авторы планируют экспериментально проверить эффективность и безопасность наиболее перспективных молекул-кандидатов in vitro и in vivo, а также адаптировать свой подход для поиска ингибиторов других важных терапевтических мишеней — уже сейчас подобная технология используется для создания офтальмологических препаратов и новых антибиотиков.
«Наша методология сочетает в себе QSAR-моделирование и обучение с подкреплением, что позволяет создавать молекулы с высокой эффективностью и минимальными побочными эффектами. В ближайшее время наши молекулы пройдут лабораторную проверку, и мы надеемся, что в дальнейшем они привлекут внимание фармацевтических компаний, став основой для разработки новых и эффективных лекарств для лечения аутоиммунных заболеваний», — подчеркнула первый автор статьи, студентка химико-биологического кластера ИТМО Мария Завадская.
Исследование поддержано программой «Приоритет-2030».
Информация предоставлена пресс-службой Университета ИТМО
Источник фото: ru.123rf.com
