Nové hodnocení modelů pro předpovídání genových efektů
Společnost Shift Bioscience publikovala v odborném časopise Nature Biotechnology studii, která se zabývá metodologií hodnocení modelů umělé inteligence známých jako virtuální buňky. Tyto modely, označované jako modely genetických perturbací, mají umožnit simulaci procesů uvnitř buňky při aktivaci či inaktivaci konkrétních genů, aniž by bylo nutné provádět fyzické laboratorní testy pro každou variantu.
Hlavním přínosem práce je návrh nového srovnávacího systému, který reflektuje biologické signály i technický šum v datech. Podle autorů studie byla předchozí nedůvěra v predikční schopnosti virtuálních buněk často způsobena nesprávně nastavenými metrikami hodnocení. Využití kalibrovaných nástrojů pro porovnávání modelů podle zjištění výzkumníků ukazuje, že modely schopné poskytovat biologicky relevantní data existují.
Využití v identifikaci cílů pro výzkum stárnutí
Společnost Shift Bioscience plánuje implementovat tento kalibrační rámec do svého výzkumného programu zaměřeného na identifikaci nových terapeutických cílů. Cílem je nalézt geny, jejichž inhibice by mohla přispět k omlazení buněk a zároveň k léčbě nemocí souvisejících s věkem. Firma se v této oblasti primárně zaměřuje na fibrózu jako jeden z klíčových projevů stárnutí tkání.
Dosavadní aktivity společnosti zahrnují vývoj kandidátního cíle SB-101, který se zaměřuje na dráhy spojené s fibrózou jater a epigenetickým stárnutím. Výzkum využívající novou metodiku hodnocení má za úkol zvýšit přesnost screeningu dalších potenciálních léčiv.
Omezení prediktivních modelů
Navzdory pokroku v metodice hodnocení zůstává nutné brát v úvahu, že virtuální modely jsou nástrojem pro screening, nikoliv finálním léčebným řešením. Validita identifikovaných cílů musí být následně potvrzena v experimentech na buněčných kulturách, v preklinických studiích na zvířecích modelech a v klinickém testování u lidí.
Spolehlivost virtuálních buněk představuje z hlediska výzkumu dlouhověkosti zásadní parametr. Zpřesnění metodiky jejich hodnocení slouží především k eliminaci chybných předpovědí a k efektivnější selekci hypotéz, které budou podrobeny fyzickému ověřování v laboratorních podmínkách. Společnost Shift Bioscience, založená v roce 2017, využívá tento postup jako součást širší strategie pro vývoj terapeutických intervencí zaměřených na procesy stárnutí.