A tudósok mesterséges intelligencia-algoritmusokat fejlesztenek ki a rákellenes antitestek keresésére

A mesterséges intelligencia segít a tudósoknak olyan új antitestek felfedezésében, amelyek rákos sejtek elpusztítására indíthatják saját immunrendszerünket.

Az immunrendszer antitesteket, speciális fehérjéket termel, amelyek képesek megtámadni az idegen sejteket, például baktériumokat és vírusokat. Egyesek megtámadhatják a daganatokat.

A hatékony antitestek megtalálása azonban bonyolult. A kutatók új antitesteket terveznek ismert példák mutációjával, baktérium- vagy élesztősejtekben történő termesztésével. Ezeket azután tesztelik, hogy megállapítsák, mennyire kötődnek a célfehérjékhez laboratóriumi kísérletekben. A folyamatot többször megismételjük, hogy szűkítsük a legígéretesebb antitestek keresését, amelyeket érdemes gyártani.

A szűrési szakasz igényes és költséges, amiben az AI algoritmusok segíthetnek. A San Diego-i Kaliforniai Egyetem kutatói egy új rendszert fejlesztettek ki, amely egy olyan antitestet azonosított, amely 17-szer erősebben képes kötődni a programozott halál ligandum 1-hez (PD-L1), a rákos sejtek által expresszált fehérjéhez, mint az atezolizumab, egy létező antitest gyógyszer. mostanában jóváhagyott az Egyesült Államok Élelmiszer- és Gyógyszerügyi Hivatala. A kutatók azt remélik, hogy az új antitest-jelöltet gyógyszerré fejlesztik. 

„Egy adott antitestnek milliónyi mutánsa van, és lehetetlen kísérletileg tesztelni az összes antigénhez való kötődésüket. Ezért fontos a gépi tanulási módszerek kidolgozása ennek a folyamatnak a felgyorsítására” – mondta Wei Wang, a kutatás vezető szerzője. közzétett a Nature Communicationsben, és az UC San Diego School of Medicine sejt- és molekuláris medicina professzora elmagyarázta A regisztráció. 

A rákos daganatokból származó antigének aktiválják a szervezet immunrendszerét, hogy antitesteket termeljenek és elpusztítsák azokat. Wang és munkatársai egy mesterséges intelligencia-modellt képeztek ki több millió antitestszekvencián, hogy megjósolhassák annak képességét, hogy kötődjön egy célfehérjéhez vagy antigénhez. 

Az így létrejött mesterséges intelligencia csővezetéket „RESP”-nek hívják – ezt a kifejezést a szerzők nem határozták meg –, de azt javasolták, hogy hatékony módja a hasznos antitestek megtalálásának.

„RESP modellünk képes megjósolni egy új szekvencia kötési affinitását még akkor is, ha az nem szerepel a kezdeti szűrési könyvtárban. A RESP-modell egyedülálló előnye a meglévő AI-modellekhez képest, hogy [kiszámítja], mennyire magabiztos [a] előrejelzése, ami nagyban segíthet kis számú szekvencia kiválasztásában [kísérleti tesztelésre]” – tette hozzá Wang.

A modell hatékonyabban szűri az antitesteket, mint a hagyományos számítási módszerek, és a tudósok felhasználhatják előrejelzéseit, hogy megtalálják a legígéretesebb új jelölteket, amelyeket szintetizálni és laboratóriumi kísérletekben tesztelni. A mesterséges intelligencia felgyorsítja a gyógyszerkutatási folyamatot, így a vállalatok gyorsabban haladhatnak a klinikai vizsgálatok felé. 

„Az AI-eszközök kombinálásával a tudósok antitest-felfedezési erőfeszítéseik egyre nagyobb részét számítógépen, nem pedig a padon végezhetik, ami gyorsabb és kevésbé meghibásodásra hajlamos felfedezési folyamatot eredményezhet.” mondott nyilatkozatban. "Annyira sok alkalmazás létezik erre a csővezetékre, és ezek az eredmények valójában csak a kezdetet jelentik."

A csapat most a RESP modelljét használja más antigének elleni új antitestek keresésére, beleértve a SARS-CoV-2-t a COVID-19 leküzdésére. ®

• SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
• Platoblockchain. Web3 metaverzum intelligencia. Felerősített tudás. Hozzáférés itt.
• Forrás: https://go.theregister.com/feed/www.theregister.com/2023/02/02/scientists_ai_algorithms_cancer/