Uusi tekoälyteknologia voi auttaa löytämään lääkkeitä hermostoa rappeutuviin sairauksiin

Uusi tekoälyteknologia voi auttaa löytämään lääkkeitä hermostoa rappeutuviin sairauksiin

Tutkimusryhmä Nagoyan yliopistossa Japanissa on kehittänyt solukuvien analysoimiseen tekoälyn, joka ennustaa lääkkeiden terapeuttisia vaikutuksia koneoppimisen avulla. Tämä uusi teknologia, nimeltään in silico FOCUS, voisi auttaa löytämään lääkkeitä hermostoa rappeutuviin sairauksiin, kuten Kennedyn tautiin.

Nykyisillä neurodegeneratiivisten sairauksien hoidoilla on usein vakavia sivuvaikutuksia, mukaan lukien seksuaalinen toimintahäiriö ja lihaskudoksen muodostumisen estäminen. Uusia, vähemmän haitallisia hoitoja etsiviä tutkijoita on kuitenkin haitannut tehokkaiden seulontatekniikoiden puute lääkkeen tehokkuuden määrittämiseksi. Yksi lupaava konsepti on "poikkeava syrjinnän käsite", mikä tarkoittaa, että hoitoon reagoivien hermosolujen muoto eroaa hienoisesti verrattuna niihin, jotka eivät reagoi. Näitä hienovaraisia ​​eroja on kuitenkin vaikea nähdä paljaalla silmällä. Nykyiset tietokonetekniikat ovat myös liian hitaita analyysin suorittamiseen.

Ryhmä Nagoyan yliopiston professoreita, joita johtivat apulaisprofessori Ryuji Kato ja apulaisprofessori Kei Kanie Graduate School of Pharmaceutical Sciencesista sekä professori Masahisa Katsuno ja apulaisprofessori Madoka Iida Graduate School of Medicineistä, ovat kehittäneet uuden kehitetyn tekoälyn FOCUS-teknologian nimeltä FOCUS. Se analysoi mallineuronien solumuotoa ja käyttää tätä tietoa arvioidakseen, reagoivatko ne terapeuttisiin lääkkeisiin. He julkaisivat tuloksensa Scientific Reports -lehdessä.

Tutkijat testasivat tekoälyä solumallilla, jota hoidettiin Kennedyn taudille, neurodegeneratiiviselle sairaudelle, joka johtaa motoristen hermosolujen kuolemaan. in silico FOCUS loi vankan kuvapohjaisen luokitusmallin, joka osoitti 100 % tarkkuuden mallisolujen palautumistilan tunnistamisessa.

Tämä tekniikka mahdollistaa erittäin herkän ja vankan terapeuttisten lääkkeiden vaikutusten arvioinnin analysoimalla muutoksia sairaiden mallisolujen muodoissa verrattuna terveisiin soluihin, joita emme normaalisti pystyisi erottamaan. Tämä on erittäin tehokas seulontatekniikka, joka voi ennustaa lääkkeiden tehokkuuden yksinkertaisesti ottamalla kuvia, mikä vähentää lääkkeen tehokkuuden analysointiin ja arvioimiseen tarvittavaa aikaa useista tunneista useista satoista tuhansista soluista muutamaan minuuttiin. Se mahdollistaa erittäin tarkan terapeuttisten vaikutusten ennustamisen ilman monimutkaisia ​​ja invasiivisia kokeita."

Ryuji Kato, apulaisprofessori, Nagoyan yliopisto

Kato päättää: "Nämä tulokset viittaavat mahdollisuuteen nopeuttaa uusien lääkkeiden kehitystä, ja odotamme, että niitä käytetään laajasti terapeuttisten lääkkeiden löytämiseen vaikeasti löydettäviin sairauksiin."

Tätä tutkimusta tuki FY2019 Nagoya University NU Cross-Departmental Innovation Creation Project.

Lähde:

Nagoyan yliopisto