Nöroloji

Yapay Zeka, Parkinson Tedavilerinde Devrim Yaratıyor

Özet: Araştırmacılar, Parkinson hastalığına yönelik tedavilerin keşfini hızlandırmak için yapay zekayı kullandı. Milyonlarca bileşiği taramak için makine öğrenimi tekniklerini kullandılar ve Parkinson patolojisinde önemli bir protein olan alfa-sinükleinin zararlı kümelenmesini önleyen beş umut verici adayı başarıyla belirlediler.

Bu yapay zeka odaklı yaklaşım, tarama sürecini on kat hızlandırdı ve maliyetleri önemli ölçüde azalttı; potansiyel olarak hastalara yeni tedavilerin çok daha erken sunulmasını sağladı. Bulgular ilaç keşfinde önemli bir ilerlemeyi ortaya koyuyor.

Ana unsurlar:

  1. AI yöntemi, alfa-sinüklein toplanmasını engelleyen bileşiklerin tanımlanmasını sağladı ve geleneksel olarak yıllar süren bir süreci önemli ölçüde hızlandırdı.
  2. Tarama verimliliğindeki iyileşme on kat daha hızlı, maliyet düşüşü ise bin kat daha hızlı; bu da ilaç keşif verimliliğinde büyük bir sıçramaya işaret ediyor.
  3. Dünya çapında altı milyondan fazla insan Parkinson hastalığından etkileniyor; bu sayının 2040 yılına kadar üç katına çıkması bekleniyor; bu da etkili tedavilere olan acil ihtiyacın altını çiziyor.

Kaynak: Cambridge Üniversitesi

Araştırmacılar, Parkinson hastalığı tedavilerine yönelik araştırmaları büyük ölçüde hızlandırmak için yapay zeka tekniklerini kullandılar.

Cambridge Üniversitesi’nden araştırmacılar, Parkinson hastalığını karakterize eden alfa-sinüklein proteininin topaklanmasını veya toplanmasını engelleyen bileşikleri tanımlamak için yapay zeka tabanlı bir strateji tasarladı ve kullandı.

Bu, bir bilgisayar ekranına bakan bir araştırmacıyı gösteriyor.
Parkinson dünya çapında en hızlı büyüyen nörolojik rahatsızlıktır. Kredi: Nörobilim Haberleri

Ekip, milyonlarca giriş içeren bir kimya kütüphanesini hızlı bir şekilde taramak için makine öğrenimi tekniklerini kullandı ve daha ileri araştırmalar için oldukça güçlü beş bileşik belirledi.

Parkinson dünya çapında altı milyondan fazla insanı etkiliyor ve bu sayının 2040 yılına kadar üç katına çıkması bekleniyor. Bu duruma yönelik hastalığı iyileştiren herhangi bir tedavi şu anda mevcut değil.

Potansiyel tedavilerin hastalar üzerinde test edilebilmesinden çok önce gerçekleşmesi gereken, ilaç adayları için geniş kimyasal kütüphanelerin taranması süreci son derece zaman alıcı, pahalı ve çoğu zaman başarısız oluyor.

Araştırmacılar, makine öğrenimini kullanarak ilk tarama sürecini on kat hızlandırmayı ve maliyeti bin kat azaltmayı başardılar; bu, Parkinson hastalığına yönelik potansiyel tedavilerin hastalara çok daha hızlı ulaşması anlamına gelebilir.

Sonuçlar dergide raporlanır Doğa Kimyasal Biyoloji.

Parkinson dünya çapında en hızlı büyüyen nörolojik rahatsızlıktır. Birleşik Krallık’ta bugün hayatta olan 37 kişiden birine, yaşamları boyunca Parkinson teşhisi konulacak.

Parkinson hastalığı, motor semptomların yanı sıra mide-bağırsak sistemini, sinir sistemini, uyku düzenini, ruh halini ve bilişi de etkileyebilir ve yaşam kalitesinin düşmesine ve ciddi sakatlığa neden olabilir.

Proteinler önemli hücre süreçlerinden sorumludur, ancak insanlar Parkinson hastası olduğunda bu proteinler işe yaramaz hale gelir ve sinir hücrelerinin ölümüne neden olur. Proteinler yanlış katlandığında, Lewy cisimcikleri adı verilen anormal kümeler oluşturabilirler; bunlar beyin hücrelerinin içinde birikerek onların düzgün çalışmasını engeller.

Yusuf Hamied Kimya Bölümü’nden Profesör Michele Vendruscolo, “Parkinson hastalığına yönelik potansiyel tedavileri araştırmak için bir yol, hastalıkla yakından ilişkili bir protein olan alfa-sinükleinin toplanmasını engelleyebilecek küçük moleküllerin tanımlanmasını gerektirir” dedi. araştırmaya öncülük etti.

“Fakat bu son derece zaman alıcı bir süreç; ileri testler için lider adayın belirlenmesi aylar hatta yıllar sürebilir.”

Şu anda Parkinson hastalığı için devam eden klinik araştırmalar olmasına rağmen, hastalığı değiştiren hiçbir ilaç onaylanmamıştır; bu da hastalığa neden olan moleküler türlerin doğrudan hedef alınamadığını yansıtmaktadır.

Doğru moleküler hedefleri belirleme ve onlarla etkileşime geçme yöntemlerinin eksikliği nedeniyle bu, Parkinson araştırmalarında büyük bir engel olmuştur. Bu teknolojik boşluk, etkili tedavilerin geliştirilmesini ciddi şekilde engellemiştir.

Cambridge ekibi, amiloid kümelerine bağlanan ve bunların çoğalmasını engelleyen küçük molekülleri tanımlamak için milyonlarca bileşik içeren kimyasal kitaplıkların tarandığı bir makine öğrenme yöntemi geliştirdi.

Daha sonra az sayıda üst düzey bileşik, en güçlü toplanma inhibitörlerini seçmek için deneysel olarak test edildi.

Bu deneysel analizlerden elde edilen bilgiler, tekrarlı bir şekilde makine öğrenimi modeline geri beslendi, böylece birkaç tekrardan sonra oldukça güçlü bileşikler tanımlandı.

Yanlış Katlanan Hastalıklar Merkezi’nin eş direktörü Vendruscolo, “Deneysel olarak taramak yerine hesaplamalı olarak tarama yapıyoruz” dedi.

“Makine öğrenimi modelimizle ilk taramadan edindiğimiz bilgileri kullanarak, modeli bu küçük moleküller üzerindeki bağlanmadan sorumlu belirli bölgeleri tanımlayacak şekilde eğitebildik, ardından yeniden tarayıp daha güçlü moleküller bulabildik.”

Bu yöntemi kullanarak Cambridge ekibi, agregatların üstel çoğalmasından sorumlu olan agregatların yüzeylerindeki cepleri hedef alan bileşikler geliştirdi. Bu bileşikler, daha önce bildirilenlerden yüzlerce kat daha güçlü ve geliştirilmesi çok daha ucuz.

Vendruscolo, “Makine öğreniminin ilaç keşif süreci üzerinde gerçek bir etkisi var; en umut verici adayların belirlenmesine yönelik tüm süreci hızlandırıyor” dedi.

“Bizim için bu, tek bir ilaç keşif programı yerine birden fazla ilaç keşif programı üzerinde çalışmaya başlayabileceğimiz anlamına geliyor. Hem zaman hem de maliyetteki büyük azalma sayesinde pek çok şey mümkün; bu heyecan verici bir zaman.”

Finansman: Araştırma, akademik araştırmaların klinik programlara dönüştürülmesini teşvik etmek amacıyla Birleşik Krallık Araştırma Ortaklığı Yatırım Fonu’nun (UKRPIF) desteğiyle kurulan Cambridge’deki Sağlık Kimya Laboratuvarı’nda gerçekleştirildi.

Bu AI ve Parkinson hastalığı araştırma haberi hakkında

Soyut

Yapı Tabanlı Yinelemeli Öğrenme Kullanılarak α-Sinüklein Agregasyonunun Güçlü İnhibitörlerinin Keşfi

Makine öğrenimi yöntemleri, geleneksel ilaç keşif hatlarının maliyetlerini ve başarısızlık oranlarını azaltma vaadini taşıyor.

Bu sorun, özellikle hastalığı değiştiren ilaçların geliştirilmesinin zorlu olduğu nörodejeneratif hastalıklar için acil bir durumdur.

Bu sorunu çözmek için burada, Parkinson hastalığında ve diğer sinükleinopatilerde rol oynayan bir süreç olan a-sinüklein toplanmasının küçük moleküllü inhibitörlerini tanımlamak için bir makine öğrenimi yaklaşımı açıklıyoruz.

α-sinüklein agregatlarının çoğalması otokatalitik ikincil çekirdeklenme yoluyla gerçekleştiğinden, agregatların yüzeyindeki katalitik bölgelere bağlanan bileşikleri tanımlamayı amaçlıyoruz.

Bu hedefe ulaşmak için, ikincil çekirdeklenme inhibitörlerini önce tanımlamak ve ardından aşamalı olarak optimize etmek için yapı tabanlı makine öğrenimini yinelemeli bir şekilde kullanıyoruz.

Sonuçlarımız, bu yaklaşımın, daha önce bildirilenlerden iki kat daha güçlü bileşiklerin kolay tanımlanmasına yol açtığını göstermektedir.

Kaynak ve İleri Okuma: https://neurosciencenews.com/ai-parkinsons-neuropharmacology-25936/

İlgili Makaleler

Başa dön tuşu