A Kémiai Intézetben kutatásokat folytatnak a természetes xantonvázakból származó potenciális rákgátló vegyületek felkutatására. (Fotó: VAN NGA)
A rák jelentős hatással van a közegészségügyre, így egyre sürgetőbbé válik a hatékony, biztonságos és fenntartható kezelési megoldások iránti igény. A mesterséges intelligencia (MI), a nagy teljesítményű számítástechnika és a kísérleti validáció integrálása hatékony megközelítéseket nyit meg a xantonszármazékok tervezésében a célzott rákterápiában.
A számítógéppel segített gyógyszertervezés (CADD) egyre jelentősebb trenddé válik a modern gyógyszerkémiában. Vietnámban a mesterséges intelligencia és a nagy teljesítményű számítástechnika kísérleti módszerekkel való integrációja új megközelítéseket nyit meg a természetes vegyületek kiaknázására. Ebben a tanulmányban a xanton keretrendszereket ígéretes forrásanyagként választottuk ki, a kutatási folyamat pedig a szimulációtól a kísérleti ellenőrzésig terjed.
A hagyományos kezelések mellett a modern gyógyszerfejlesztés trendje erőteljesen eltolódik a célzott gyógyszertervezés felé, amelyet fejlett számítási technológiákkal kombinálnak a kutatási idő lerövidítése és a hatékonyság javítása érdekében. Ebben a trendben a természetes eredetű vegyületek, különösen a xantonok, sokrétű biológiai potenciáljuk, beleértve a rákellenes aktivitást is, miatt vonzzák a figyelmet. Ezen vegyületek hatékony kihasználása azonban korlátozott marad, ha kizárólag a hagyományos, időigényes és költséges kísérleti módszerekre támaszkodunk.
Dr. Pham Minh Quan docens és kollégái a Vietnámi Tudományos és Technológiai Akadémia Kémiai Intézetében megvalósították a „Kutatás számítógépes szimuláció és kísérleti módszerek kombinációjával potenciális ráksejt-gátló vegyületek keresésére természetes eredetű xanton vázvegyületekből” című projektet. A projekt célja egy integrált kutatási folyamat kiépítése, amelyben modern számítási módszereket, például mesterséges intelligenciát, molekuláris szimulációt és nagy teljesítményű számítástechnikát alkalmaznak kísérleti ellenőrzéssel kombinálva, hozzájárulva egy új megközelítés megnyitásához a gyógyszerkutatásban és -fejlesztésben Vietnámban.
Dr. Pham Minh Quan docens elmondta, hogy a kutatócsoport xantonvegyületek adatbázisát építette fel, amely magában foglalja mind a meglévő kísérleti adatokkal rendelkező vegyületeket, mind a virtuális szűréshez használtakat. Ennek alapján egy gépi tanulási modellt fejlesztettek ki és képeztek ki, amely képes megjósolni a vegyületek és a rákkal kapcsolatos biológiai célpontok közötti lehetséges kölcsönhatásokat, ezáltal gyorsan létrehozva a vizsgált fehérjét gátló potenciális vegyületek rövid listáját. A publikált kísérleti adatok és a számítógépes modellek kombinálása világosabb útmutatást nyújt a szűrési folyamathoz, a hagyományos „próbálgatás és hiba” megközelítéshez való támaszkodás helyett.
Ezzel egyidejűleg a vegyületek farmakokinetikai paramétereit és „gyógyszer-hasonlósági” indexét is speciális számítógépes eszközök segítségével megjósolják. Ez biztosítja, hogy ne csak a célfehérje gátlására nagy potenciállal rendelkező vegyületek kerüljenek kiválasztásra, hanem a gyógyszerfejlesztés alapvető kritériumai, mint például a felszívódás, az eloszlás és a biztonságosság is teljesüljenek. Ez egy kulcsfontosságú lépés a számítógépes előrejelzések megbízhatóságának javításában és a lista további szűkítésében a potenciális prekurzor vegyületek azonosítása érdekében, mielőtt a kísérleti fázisba lépnének.
A kutatás egyik kiemelkedő pontja a mélytanulási modellek alkalmazása az azonosított vezérvegyületekből származó új származékok tervezésében. Az egyszerű „keresés” helyett a kutatás döntő lépést tett az vezérvegyületek szerkezetén alapuló új származékok „tervezésével” azzal a céllal, hogy javítsák az aktivitást. Ez a megközelítés egyértelműen demonstrálja a mesterséges intelligencia szerepét nemcsak az adatelemzésben, hanem az új szerkezeti vegyületek létrehozásában is, amely irány világszerte figyelmet kap a gyógyszertervezés területén.
Figyelemre méltó, hogy a szimulációs folyamat során kapott potenciális származékok listájának felhasználásával a tanulmány a Coptis chinensis növény gyantájában nagy mennyiségben előforduló xantonvegyületen alapuló gamboginsav alapú származékok félszintézisével folytatódott. Két fő származékcsoportot, az észtereket (11 vegyület) és az amidokat (8 vegyület) szintetizálták nagy hatékonysággal, a szintézis folyamatát pedig kidolgozták és publikálták.
A kapott származékokat biológiai aktivitásuk szempontjából értékelték rákos sejtvonalakon; a két legígéretesebb vegyületet állatmodelleken tovább tesztelték tumorgátló potenciáljuk meghatározása érdekében, míg akut és szubkrónikus toxicitási vizsgálatokat végeztek a biztonságosság biztosítása érdekében. Az eredmények azt mutatták, hogy számos származék jelentős tumorellenes aktivitást mutatott, összhangban a szimulációs előrejelzésekkel; a metil-gamgogát és a morfolinil-gambogamid kiemelkedő tumorgátló hatékonyságukkal emelkedett ki.
Dr. Pham Minh Quan docens szerint azonban az integrált kutatás megvalósítása továbbra is számos kihívással néz szembe. Először is, a gépi tanulási modellek bemeneti adatai korlátozottak a kiváló minőségű kísérleti adatforrások hiánya miatt, ami befolyásolja az előrejelzések megbízhatóságát. Ezenkívül az interdiszciplináris kutatócsoportok, köztük a kémia, a biológia, a bioinformatika és az adattudomány közötti hatékony integráció szoros koordinációt igényel mind a szakértelem, mind a munkafolyamatok terén.
Ezen kezdeti eredmények alapján a kutatócsoport azt tervezi, hogy a jövőben kiterjeszti a CADD modell alkalmazását más természetes vegyületcsoportokra is, miközben diverzifikálja a terápiás célpontokat és hozzájárul a gyógyszerek kutatásának és fejlesztésének javításához.
HIEU LIEN NGA
Forrás: https://nhandan.vn/tich-hop-ai-dieu-tri-ung-thu-post964425.html
![[GALÉRIA] Kiderült, hogy a szuperolcsó Claude AI API felhasználói adatokat árul.](https://vphoto.vietnam.vn/thumb/402x226/vietnam/resource/IMAGE/2026/05/25/1779691077049_cl-6-png.webp)
Hozzászólás (0)