Tekoälyn integrointi syövän hoitoon.

Syövällä on merkittävä vaikutus kansanterveyteen, joten tehokkaiden, turvallisten ja kestävien hoitoratkaisujen löytäminen on yhä kiireellisempää.

Báo Nhân dân•25/05/2026

Kemian laitoksella tehdään tutkimusta luonnossa esiintyvistä ksantonirakenteista mahdollisten syöpää estävien yhdisteiden löytämiseksi. (Kuva: VAN NGA)

Kemian laitoksella tehdään tutkimusta luonnossa esiintyvistä ksantonirakenteista mahdollisten syöpää estävien yhdisteiden löytämiseksi. (Kuva: VAN NGA)

Syövällä on merkittävä vaikutus kansanterveyteen, minkä vuoksi tehokkaiden, turvallisten ja kestävien hoitoratkaisujen tarve on yhä kiireellisempi. Tekoälyn (AI), suurteholaskennan ja kokeellisen validoinnin integrointi avaa tehokkaita lähestymistapoja ksantonijohdannaisten suunnitteluun kohdennettua syöpähoitoa varten.

Tietokoneavusteinen lääkesuunnittelu (CADD) on nousemassa merkittäväksi trendiksi modernissa farmaseuttisessa kemiassa. Vietnamissa tekoälyn ja suurteholaskennan integrointi kokeellisiin menetelmiin avaa uusia lähestymistapoja luonnon yhdisteiden hyödyntämiseen. Tässä tutkimuksessa ksantonikehykset valittiin lupaavaksi lähdemateriaaliksi, ja tutkimusprosessi suuntautui simuloinnista kokeelliseen verifiointiin.

Perinteisten hoitojen ohella nykyaikaisessa lääkekehityksessä on käynnissä voimakas siirtymä kohti kohdennettua lääkesuunnittelua yhdistettynä edistyneisiin laskennallisiin teknologioihin tutkimusajan lyhentämiseksi ja tehokkuuden parantamiseksi. Tässä trendissä luonnosta peräisin olevat yhdisteet, erityisesti ksantonit, herättävät huomiota monipuolisen biologisen potentiaalinsa, mukaan lukien syöpää estävän vaikutuksensa, vuoksi. Näiden yhdisteiden tehokas hyödyntäminen on kuitenkin edelleen rajallista, jos se perustuu pelkästään perinteisiin kokeellisiin menetelmiin, jotka ovat aikaa vieviä ja kalliita.

Apulaisprofessori, tohtori Pham Minh Quan ja hänen kollegansa Vietnamin tiede- ja teknologia-akatemian kemian instituutissa ovat toteuttaneet projektin "Tutkimus laskennallisen simuloinnin ja kokeellisten menetelmien käytöstä luonnollisesti peräisin olevista ksantonirunkoyhdisteistä mahdollisten syöpäsolujen estävien yhdisteiden etsimiseksi". Projektin tavoitteena on rakentaa integroitu tutkimusprosessi, jossa käytetään moderneja laskennallisia menetelmiä, kuten tekoälyä, molekyylisimulaatiota ja suurteholaskentaa, yhdessä kokeellisen verifioinnin kanssa, mikä osaltaan avaa uuden lähestymistavan lääketutkimukseen ja -kehitykseen Vietnamissa.

Saatat myös pitää tästä

Tekoäly järkyttää maailmaa ratkaisemalla ongelman, joka on askarruttanut koko maapalloa 80 vuotta.Lähes 80 vuoden hämmennyksen jälkeen matemaatikkojen keskuudessa OpenAI on juuri ratkaissut kuuluisan ongelman onnistuneesti, ällistyttäen monia asiantuntijoita.

Apulaisprofessori, tohtori Pham Minh Quan, totesi, että tutkimusryhmä on rakentanut ksantoniyhdisteiden tietokannan, joka sisältää sekä yhdisteitä, joista on olemassa kokeellista dataa, että virtuaaliseulontaan käytettyjä yhdisteitä. Tämän perusteella kehitettiin koneoppimismalli, jota koulutettiin ennustamaan yhdisteiden mahdollisia vuorovaikutuksia syöpään liittyvien biologisten kohteiden kanssa, jolloin saatiin nopeasti lista potentiaalisista yhdisteistä, jotka estävät tutkittavaa proteiinia. Julkaistujen kokeellisten tietojen yhdistäminen laskennallisiin malleihin tarjoaa selkeämpiä ohjeita seulontaprosessille perinteisen "yrityksen ja erehdyksen" menetelmän sijaan.

Samanaikaisesti yhdisteiden farmakokineettiset parametrit ja "lääkkeen kaltaisuusindeksi" ennustetaan myös erikoistuneiden laskennallisten työkalujen avulla. Tämä varmistaa, että valitaan paitsi yhdisteitä, joilla on suuri potentiaali estää kohdeproteiinia, myös että lääkekehityksen kannalta olennaiset kriteerit, kuten imeytyminen, jakautuminen ja turvallisuus, täyttyvät. Tämä on ratkaiseva askel laskennallisten ennusteiden luotettavuuden parantamisessa ja luettelon rajaamisessa edelleen mahdollisten esiasteyhdisteiden tunnistamiseksi ennen kokeelliseen vaiheeseen siirtymistä.

Tutkimuksen kohokohta on syväoppimismallien soveltaminen uusien johdannaisten suunnittelussa tunnistetuista johtoyhdisteistä. Pelkän "etsimisen" sijaan tutkimuksessa otettiin ratkaiseva askel "suunnittelemalla" uusia johdannaisia johtoyhdisteiden rakenteiden perusteella tavoitteena parantaa niiden aktiivisuutta. Tämä lähestymistapa osoittaa selvästi tekoälyn roolin paitsi data-analyysissä myös uusien rakenteellisten yhdisteiden luomisessa, mikä on saamassa maailmanlaajuista huomiota lääkesuunnittelun alalla.

Merkillepantavaa on, että simulaatioprosessista saatujen mahdollisten johdannaisten luettelon avulla tutkimus eteni näiden johdannaisten puolisynteesillä, jotka perustuvat gambogihappoon – ksantoniyhdisteeseen, jota esiintyy runsaasti Coptis chinensis -kasvin hartsissa. Kaksi pääasiallista johdannaisryhmää, esterit (11 yhdistettä) ja amidit (8 yhdistettä), syntetisoitiin erittäin tehokkaasti, ja myös synteesiprosessi kehitettiin ja julkaistiin.

Saatujen johdannaisten biologista aktiivisuutta syöpäsolulinjoissa arvioitiin; kahta lupaavinta yhdistettä testattiin edelleen eläinmalleissa niiden kasvaimia estävän potentiaalin määrittämiseksi, ja turvallisuuden varmistamiseksi tehtiin akuutin ja subkroonisen toksisuuden arvioinnit. Tulokset osoittivat, että monilla johdannaisilla oli merkittävää kasvaimia estävää aktiivisuutta, mikä oli yhdenmukaista simulaatioennusteiden kanssa; metyyligamgogaatti ja morfolinyyligambogamidi erottuivat joukosta ylivoimaisen kasvaimia estävän tehonsa ansiosta.

Apulaisprofessori Dr. Pham Minh Quanin mukaan integroidun tutkimuksen toteuttaminen kohtaa kuitenkin edelleen monia haasteita. Ensinnäkin koneoppimismallien syöttödatassa on rajoituksia korkealaatuisten kokeellisten datalähteiden puutteen vuoksi, mikä vaikuttaa ennusteiden luotettavuuteen. Lisäksi monitieteisten tutkimusryhmien, kuten kemian, biologian, bioinformatiikan ja datatieteen, välinen tehokas integraatio edellyttää tiivistä koordinointia sekä asiantuntemuksen että työnkulun suhteen.

Saatat myös pitää tästä

Koulutusta henkilökohtaiseen hygieniaan, ympäristön puhtaanapidon ylläpitoon ja puhtaan veden saatavuuteen liittyvään viestintään maaseudulla.Uusimmat, viralliset ja oikeat uutiset.

Näiden alustavien tulosten perusteella tutkimusryhmä aikoo laajentaa CADD-mallin soveltamista muihin luonnollisten yhdisteiden ryhmiin tulevaisuudessa samalla monipuolistaen terapeuttisia kohteita ja edistäen lääketutkimuksen ja -kehityksen parantamista.

HIEU LIEN NGA

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