Integrace umělé inteligence do léčby rakoviny.

Rakovina má významný dopad na veřejné zdraví, proto je stále naléhavější najít účinná, bezpečná a udržitelná léčebná řešení.

Báo Nhân dân•25/05/2026

V Ústavu chemie probíhá výzkum, jehož cílem je najít potenciální sloučeniny inhibující rakovinu z přirozeně se vyskytujících xantonových struktur. (Foto: VAN NGA)

V Ústavu chemie probíhá výzkum, jehož cílem je najít potenciální sloučeniny inhibující rakovinu z přirozeně se vyskytujících xantonových struktur. (Foto: VAN NGA)

Rakovina významně ovlivňuje veřejné zdraví, a proto je potřeba účinných, bezpečných a udržitelných léčebných řešení stále naléhavější. Integrace umělé inteligence (AI), vysoce výkonných výpočtů a experimentální validace otevírá efektivní přístupy k návrhu derivátů xantonu pro cílenou terapii rakoviny.

Počítačem podporovaný návrh léčiv (CADD) se stává významným trendem v moderní farmaceutické chemii. Ve Vietnamu otevírá integrace umělé inteligence a vysoce výkonných výpočtů s experimentálními metodami nové přístupy k využití přírodních sloučenin. V této studii byly jako slibný zdrojový materiál vybrány xantonové struktury s výzkumným procesem orientovaným od simulace až po experimentální ověření.

Vedle tradičních léčebných postupů se trend v moderním vývoji léčiv silně posouvá směrem k cílenému návrhu léčiv v kombinaci s pokročilými výpočetními technologiemi, které zkracují dobu výzkumu a zvyšují efektivitu. V tomto trendu přitahují pozornost přírodní sloučeniny, zejména xantony, díky svému rozmanitému biologickému potenciálu, včetně protinádorové aktivity. Efektivní využití těchto sloučenin však zůstává omezené, pokud se spoléháme pouze na tradiční experimentální metody, které jsou časově náročné a nákladné.

Docent Dr. Pham Minh Quan a jeho kolegové z Ústavu chemie (Vietnamské akademie věd a technologií) realizovali projekt „Výzkum využití výpočetní simulace v kombinaci s experimentálními metodami k hledání potenciálních inhibičních sloučenin pro rakovinné buňky z přirozeně odvozených sloučenin xantonové struktury“. Tento projekt si klade za cíl vybudovat integrovaný výzkumný proces, v němž se moderní výpočetní metody, jako je umělá inteligence, molekulární simulace a vysoce výkonné výpočty, používají v kombinaci s experimentálním ověřováním, což přispívá k otevření nového přístupu k výzkumu a vývoji léčiv ve Vietnamu.

Docent Dr. Pham Minh Quan uvedl, že výzkumný tým vytvořil databázi xantonových sloučenin, která zahrnuje jak sloučeniny s existujícími experimentálními daty, tak i ty, které se používají pro virtuální screening. Na základě toho byl vyvinut a natrénován model strojového učení, který předpovídá potenciální interakce sloučenin s biologickými cíli souvisejícími s rakovinou, a tím rychle generuje užší seznam potenciálních sloučenin, které inhibují studovaný protein. Kombinace publikovaných experimentálních dat s výpočetními modely poskytuje jasnější vodítko pro proces screeningu, spíše než spoléhání se na tradiční přístup „pokus-omyl“.

Současně se pomocí specializovaných výpočetních nástrojů predikují farmakokinetické parametry a index „podobnosti léčivu“ sloučenin. To zajišťuje, že jsou vybrány nejen sloučeniny s vysokým potenciálem inhibovat cílový protein, ale také že jsou splněna základní kritéria pro vývoj léčiv, jako je absorpce, distribuce a bezpečnost. To je klíčový krok ke zlepšení spolehlivosti výpočetních predikcí a dalšímu zúžení seznamu pro identifikaci potenciálních prekurzorových sloučenin před přechodem do experimentální fáze.

Vrcholem výzkumu je aplikace modelů hlubokého učení při navrhování nových derivátů z identifikovaných hlavních sloučenin. Namísto pouhého „hledání“ výzkum učinil klíčový krok „navrhováním“ nových derivátů založených na strukturách hlavních sloučenin s cílem zlepšit jejich aktivitu. Tento přístup jasně demonstruje roli umělé inteligence nejen v analýze dat, ale také při vytváření nových strukturních sloučenin, což je směr, který získává celosvětovou pozornost v oblasti návrhu léčiv.

Je pozoruhodné, že na základě seznamu potenciálních derivátů získaných simulačním procesem studie pokračovala semisyntézou těchto derivátů na bázi kyseliny gambogové – xanthonové sloučeniny hojně se vyskytující v pryskyřici rostliny Coptis chinensis. S vysokou účinností byly syntetizovány dvě hlavní skupiny derivátů, estery (11 sloučenin) a amidy (8 sloučenin), a byl také vyvinut a publikován syntetický proces.

Získané deriváty byly hodnoceny z hlediska jejich biologické aktivity na rakovinných buněčných liniích; dvě nejslibnější sloučeniny byly dále testovány na zvířecích modelech za účelem stanovení jejich potenciálu inhibice nádorů, zatímco byla provedena hodnocení akutní a subchronické toxicity za účelem zajištění bezpečnosti. Výsledky ukázaly, že mnoho derivátů vykazovalo významnou protinádorovou aktivitu, což je v souladu s predikcemi simulací; methyl-gamgogát a morfolinyl-gambogamid vynikaly svou vynikající účinností inhibice nádorů.

Podle docenta Dr. Phama Minha Quana však implementace integrovaného výzkumu stále čelí mnoha výzvám. Zaprvé, existují omezení vstupních dat pro modely strojového učení kvůli nedostatku vysoce kvalitních experimentálních datových zdrojů, což ovlivňuje prediktivní spolehlivost. Efektivní integrace mezi interdisciplinárními výzkumnými skupinami, včetně chemie, biologie, bioinformatiky a datové vědy, navíc vyžaduje úzkou koordinaci jak v oblasti odbornosti, tak v oblasti pracovních postupů.

Na základě těchto počátečních výsledků plánuje výzkumný tým v budoucnu rozšířit aplikaci modelu CADD na další skupiny přírodních sloučenin, a zároveň diverzifikovat terapeutické cíle a přispět ke zlepšení výzkumu a vývoje léčiv.

HIEU LIEN NGA

Zdroj: https://nhandan.vn/tich-hop-ai-dieu-tri-ung-thu-post964425.html