У боротьбі з раком на горизонті з’явився новий підхід, що обіцяє революціонізувати персоналізоване лікування завдяки штучному інтелекту. Ця технологія, яка поєднує штучний інтелект, моделювання молекулярної динаміки та мережевий аналіз, зосереджена на прогнозуванні місць зв’язування білків, пов’язаних із раком. Це може суттєво прискорити розробку індивідуальних методів лікування для пацієнтів з онкологічними захворюваннями.
Дослідження, проведене під керівництвом доктора Рафаеля Бернарді, доцента біофізики на факультеті фізики Обернського університету, разом з Базельським університетом та ETH Zurich, долає нові бар’єри у розумінні та лікуванні раку.
«Наше дослідження демонструє потенціал динамічного мережевого аналізу у поєднанні з штучним інтелектом для більш точного визначення білкових інтерфейсів», — зазначили автори роботи.
Штучний інтелект і біофізика в онкології
Основна мета команди полягала в розумінні взаємодії між терапевтичними білками та PD-L1, білком, який ракові клітини використовують для уникнення імунного захисту. Це знання може значно покращити ефективність імунотерапії, таких як пембролізумаб (Кейтруда).
«Використання обчислювальних інструментів для розробки нових білків — наступний крок у лікуванні раку», — пояснив доктор Бернарді. «Наш інтегрований підхід, що поєднує штучний інтелект, молекулярну динаміку і мережевий аналіз, має величезний потенціал для розробки персоналізованих терапій».
Виклики у прогнозуванні зв’язування ліків
Найбільша складність у цій галузі — точне прогнозування місць зв’язування ліків з цільовим білком. Дослідники зосередилися на PD-L1, білку контрольної точки, який ракові клітини використовують для пригнічення імунного захисту. Сучасні препарати, що блокують PD-L1, дозволяють імунній системі атакувати пухлини, але раніше було складно визначити точне місце зв’язування.
Поєднання обчислень і експериментів
Доктор Бернарді і його команда поєднали інструменти штучного інтелекту, такі як AlphaFold2, з молекулярною динамікою та мережевим аналізом для прогнозування та перевірки важливих ділянок зв’язування в PD-L1. Щоб підтвердити свої результати, команда використала передові експериментальні методи, такі як перехресна мас-спектрометрія і секвенування наступного покоління.
«Ця робота ілюструє важливість співпраці між обчислювальними спеціалістами Університету Оберн та нашими колегами з Базельського університету і ETH Zurich у проведенні експериментальної валідації, що веде до проривів у цій сфері», — зазначив д-р Дієго Гомес, провідний автор дослідження.
Перспективи і майбутнє терапії
Результати цього дослідження можуть мати значний вплив не лише на лікування раку, але й на розробку нових лікарських мішеней для інших захворювань, включаючи аутоімунні розлади. Це також відкриває можливості для більш економічного і швидкого розвитку нових терапій.
«Наше дослідження демонструє потенціал використання обчислювальних інструментів, таких як NAMD і VMD, разом із передовим апаратним забезпеченням, як-от системи NVIDIA DGX, для вдосконалення лікування раку. Наші висновки знаменують важливий крок у розробці нових цільових методів лікування», — підкреслив доктор Гомес.
Штучний інтелект у майбутньому лікуванні
Хоча результати обіцяють багато, перехід до клінічного застосування ще потребує значних зусиль. Перетворення обчислювальних результатів на ефективні терапії вимагатиме ширшого тестування та співпраці між дослідниками, клініцистами та фармацевтичними компаніями.
Проте команда налаштована оптимістично щодо потенціалу цих підходів, керованих ШІ, для прискорення розробки нових ліків. Наступний етап дослідження зосередиться на поліпшенні точності прогнозів і розширенні сфери дослідження на інші типи раку та аутоімунні захворювання.
З розвитком персоналізованої медицини, такі підходи на основі штучного інтелекту можуть стати стандартом у боротьбі з раком, пропонуючи пацієнтам швидші та ефективніші методи лікування, адаптовані до їхніх індивідуальних генетичних особливостей. Дослідження опубліковане в журналі Journal of the American Chemical Society.
