Umelá inteligencia a polyfarmakologie: Nový přístup k zpomalení stárnutí
Dlouhou dobu převládala ve farmakologii filozofie přesnosti – identifikovat jeden cíl, navrhnout molekulu, která se na něj naváže, a jemně vyladit tuto interakci, dokud se nebude chovat předvídatelně. Tento model přinesl mnoho úspěchů, zejména v onkologii a léčbě infekčních chorob. Nicméně pro komplexní a vzájemně propojenou biologii stárnutí se jeho účinnost pravděpodobně vyčerpala. Nová studie, publikovaná v časopise Aging Cell, naznačuje, že cílení na vícečetné procesy stárnutí by mohlo být plodnější – a že umělá inteligence je připravena pomoci.
Stárnutí jako systémový proces – a dohánějící objevování léků
Výzkum, který je výsledkem spolupráce mezi singapurskou společností Gero a Scripps Research v Kalifornii, kombinuje počítačové modelování a in vivo testování na hlísticích Caenorhabditis elegans k identifikaci a ověření sloučenin, které působí na více biologických drah současně. Ústředním bodem studie je polyfarmakologie – záměrný návrh sloučenin, které interagují s několika molekulárními cíli najednou. Kdysi považovaný za příliš složitý a riskantní, tento přístup se nyní může stát životaschopným díky moderním metodám umělé inteligence, které jsou schopny rozpoznávat vzorce v rozsáhlých farmakologických datech.
„Není to jen malý krok. Je to skutečná změna paradigmatu,“ řekl Dr. Michael Petrascheck ze Scripps, který vedl studii společně s Peterem Fedichevem z Gero. „Ukazuje to, že umělá inteligence může pomoci výzkumníkům řešit exponenciálně složitější biologické otázky, než by dokázali sami.“
Grafové neuronové sítě a GPCRs
Tým využil grafové neuronové sítě (GNNs) a model zvaný Chemprop k predikci sloučenin, které se pravděpodobně naváží na specifické shluky G-protein spřažených receptorů (GPCRs). Tyto receptory jsou v oblasti vývoje léčiv často opatrně zvažovány kvůli obavám z necílových účinků, přesto představují klíčové rozhraní mezi extracelulárními signály a intracelulárními odpověďmi – a, jak se ukázalo, produktivní bod pro intervenci při stárnutí.
Pomocí dat o vazbách z databáze ChEMBL a knihovny sloučenin ZINC20 umělá inteligence předpověděla stovky kandidátů. Dvacet dva nových sloučenin bylo poté vybráno a testováno na C. elegans; z nich 16 významně prodloužilo životnost. Dvanáct z nich prodloužilo životnost o více než 40 %, zatímco jedna sloučenina – ZINC000019802386 – prodloužila životnost o úžasných 74 %, čímž se zařadila mezi nejúčinnější geroprotektivní látky v databázi DrugAge.
Analýza naznačila, že nejúčinnější sloučeniny se současně vázaly na tři shluky GPCR: drd2 (dopaminergní), hrh1 (histaminergní) a htr6 (serotonergní). Tato zjištění byla podpořena následnými experimenty s vyřazením receptorů, které potvrdily, že účinky na dlouhověkost závisely na přítomnosti více GPCR cílů.
Strategické přijetí složitosti
„Tradiční objevování léků se posedle soustředí na přesnost, s cílem modulovat jedinou dráhu s laserovou přesností,“ řekl Fedichev. „Ale stárnutí tak nefunguje. Je systémové, propletené a vzdoruje jednorozměrným řešením. To je to, co náš přístup přijímá.“
Ačkoli polyfarmakologické léky již dříve prokázaly účinnost, tato studie představuje první známý případ, kdy byly polyfarmakologické sloučeniny pro stárnutí záměrně navrženy od počátku pomocí umělé inteligence – a úspěšně ověřeny in vivo. Historicky se léky vykazující polyfarmakologické účinky objevovaly náhodou – jejich sekundární účinky byly tolerovány nebo občas byly náhodné. Zde jsou takové účinky cílem, nikoli rizikem.
Tato cenná studie znamená rozhodující posun v objevování léků pro dlouhověkost – od snahy o přesnou přesnost k přijetí biologické složitosti. Využitím umělé inteligence k návrhu sloučenin, které působí na více GPCR cílů současně, výzkumný tým nejen dosáhl pozoruhodné 70% úspěšnosti v prodloužení životnosti, ale také dosáhl některých z největších dosud pozorovaných velikostí účinku u C. elegans. Takové výsledky nejsou jen přírůstkovými zlepšeními – signalizují, že polyfarmakologie, pokud je záměrně a počítačově navržena, může být klíčem k odhalení systémové povahy stárnutí. Odklon od starého paradigmatu jednostranných „kouzelných kulek“ otevírá cestu k terapiím, které odrážejí mnohofaktorový pokles pozorovaný v biologickém stárnutí.
Co dělá tento přístup ještě přesvědčivějším, je jeho škálovatelnost. Integrací hlubokých farmakologických datových souborů, grafových neuronových sítí a velkých knihoven sloučenin vybudovali výzkumníci zobecnitelný „potrubí“ – schopné prozkoumat chemický prostor mnohem efektivněji než metody pokus-omyl. Tento model nejen předpovídá zásahy; předpovídá sítě působení a činí tak s úrovní důvěry, kterou lze nyní ověřit in vivo. Je to krok k urychlení objevování léků a k jeho transformaci. Pokud je stárnutí systémovým rozpadem odolnosti, pak polyfarmakologie řízená umělou inteligencí může být systémovou medicínou, na kterou jsme čekali.
Záměrná polyfarmakologie – a cesta dál než k červům
„Tradiční objevování léků se posedle soustředí na přesnost, s cílem modulovat jedinou dráhu s laserovou přesností,“ řekl Fedichev. „Ale stárnutí tak nefunguje. Je systémové, propletené a vzdoruje jednorozměrným řešením. To je to, co náš přístup přijímá.“
Ačkoli jsou data z červů pozoruhodná, Fedichev jasně vidí, co je před námi. „Práce slouží jako demonstrátor technologie,“ řekl. „Poprvé jsme ukázali, že sloučeniny s polyfarmakologickou aktivitou mohou mít významné účinky na dlouhověkost, alespoň u jednodušších organismů, jako je C. elegans.“
Mezi identifikované sloučeniny ve studii patří několik neuroleptik – léků známějších psychiatrům než gerontologům. „Samozřejmě, že tento kontext se přímo nevztahuje na hlístice,“ poznamenal Fedichev, „ale zdůrazňuje, jak neprozkoumaná je farmakologická krajina stárnutí.“ Důležité je, že tyto sloučeniny nebyly testovány in vivo na savcích – což je klíčová translační mezera. „Savci mají srdce, na rozdíl od hlístic,“ řekl. „Takže pokud by se účinky prodloužení života potvrdily u vyšších organismů, tyto sloučeniny by vyžadovaly významnou optimalizaci k řešení problémů, jako je kardiotoxicita.“
Od mechanismu k medicíně
Na otázku, zda jejich model umělé inteligence zohledňoval farmakokinetické faktory, jako je absorpce a toxicita, Fedichev objasnil, že ačkoli vlastnosti ADMET nebyly přímo integrovány do algoritmu strojového učení, následné filtrování bylo aplikováno. „Identifikovali jsme dostupné molekuly, které by mohly vykazovat polyfarmakologické účinky na dlouhověkost u těchto zvířat,“ řekl. „Poté jsme filtrovali na základě známých vlastností podobných lékům – včetně toxicity a biologické dostupnosti – abychom zajistili, že navrhované sloučeniny mohou účinně proniknout do hlístic a fungovat in vivo.“
Pro budoucí iterace se může ukázat jako důležité přímější začlenění těchto omezení do modelu AI – zejména pro posun za počáteční fázi objevu.
Případ složitosti
Polyfarmakologické zdůvodnění studie vyvolává větší otázku: končí éra jednoúčelových léků na dlouhověkost? „V jistém smyslu je jakýkoli biologický systém inherentně propojený,“ řekl Fedichev. „I cílení na jedinou molekulu často vede k následným účinkům na mnoho transkriptů, proteinů a metabolitů.“
Přesto argumentuje, že jejich zjištění naznačují více než jen propojení. „Většina biologických systémů si vyvinula jakousi robustnost,“ řekl. „Tato složitost omezuje účinnost strategií jeden cíl-jedna nemoc. Stárnutí, stejně jako mnoho chronických onemocnění, nemá jednu základní příčinu – takže se nedá snadno zvrátit jednoduchými intervencemi.“
Přesto však zcela neodmítá tradičnější přístupy. „Jednoúčelové léky mají praktické výhody – snadněji se vyvíjejí, chápou a regulují. Ale pokud chceme dosáhnout skutečného pokroku v léčbě stárnutí, budeme muset přijmout systémové, polyfarmakologické přístupy. Věřím, že to není jen slibný směr – je to budoucnost medicíny.“
Ladění sítě
A konečně, studie naznačuje, že záleží nejen na tom, které receptory jsou cíleny, ale jak. Proměnlivé účinky prodloužení životnosti pozorované u ziprasidonu a zotepinu u vyřazených receptorů naznačují ligandovou předpojatost – myšlenku, že různé sloučeniny vázající se na stejný receptor mohou vyvolat různé následné odpovědi.
Fedichev to považuje za úrodnou oblast pro budoucí zdokonalení. „Mnoho úspěšných léků je inherentně polyfarmakologických,“ řekl. „Je to jeden z důvodů, proč malé molekuly nadále prosperují, a to i v éře biologických látek a genových terapií.“
Poukazuje na nedávné pokroky v umělé inteligenci – jako je AlphaFold a vylepšené nástroje pro molekulární modelování – jako na umožňující faktory další generace. „Vstupujeme do éry, kdy polyfarmakologie může být nejen popsána, ale s vysokou přesností predikována,“ řekl. „To otevírá dveře malomolekulárním lékům navrženým tak, aby zasáhly více cílů v klíčových drahách – působících na sítě, nikoli jen na uzly.“
Tímto způsobem se takové sloučeniny mohou ukázat nejen jako účinnější, ale také odolnější. „I tváří v tvář mutacím nebo proměnlivým mechanismům onemocnění,“ dodal, „mohou generovat robustnější odpovědi. To je obzvláště důležité pro stárnutí – stav, který vzdoruje jednoduchým odpovědím.“
Ačkoli se studie omezuje na C. elegans a mnoho otázek ohledně translační relevance a toxicity u složitějších organismů zůstává nezodpovězeno, použité metody ukazují na nový rámec pro objevování. Ten se nebojí složitosti – a možná ji konečně dokáže pochopit.