Integrare l'intelligenza artificiale nel trattamento del cancro.

Il cancro ha un impatto significativo sulla salute pubblica, pertanto, la necessità di trovare soluzioni terapeutiche efficaci, sicure e sostenibili sta diventando sempre più urgente.

Báo Nhân dân•25/05/2026

Presso l'Istituto di Chimica si stanno conducendo ricerche per individuare potenziali composti antitumorali a partire da strutture xantoniche presenti in natura. (Foto: VAN NGA)

Presso l'Istituto di Chimica si stanno conducendo ricerche per individuare potenziali composti antitumorali a partire da strutture xantoniche presenti in natura. (Foto: VAN NGA)

Il cancro ha un impatto significativo sulla salute pubblica, rendendo sempre più urgente la necessità di soluzioni terapeutiche efficaci, sicure e sostenibili. L'integrazione di intelligenza artificiale (IA), calcolo ad alte prestazioni e validazione sperimentale sta aprendo la strada ad approcci efficienti nella progettazione di derivati dello xantone per la terapia mirata del cancro.

La progettazione di farmaci assistita da computer (CADD) sta diventando una tendenza significativa nella chimica farmaceutica moderna. In Vietnam, l'integrazione dell'intelligenza artificiale e del calcolo ad alte prestazioni con i metodi sperimentali sta aprendo nuove prospettive per lo sfruttamento dei composti naturali. In questo studio, le strutture xantoniche sono state selezionate come materiale di partenza promettente, con un processo di ricerca orientato dalla simulazione alla verifica sperimentale.

Accanto ai trattamenti tradizionali, la tendenza nello sviluppo di farmaci moderni si sta spostando con forza verso la progettazione di farmaci mirati, combinata con tecnologie computazionali avanzate per ridurre i tempi di ricerca e migliorarne l'efficienza. In questo contesto, i composti di origine naturale, in particolare gli xantoni, stanno attirando l'attenzione per il loro variegato potenziale biologico, inclusa l'attività antitumorale. Tuttavia, lo sfruttamento efficace di questi composti rimane limitato se ci si affida esclusivamente ai metodi sperimentali tradizionali, che risultano lunghi e costosi.

Il professore associato Dr. Pham Minh Quan e i suoi colleghi dell'Istituto di Chimica (Accademia delle Scienze e della Tecnologia del Vietnam) hanno avviato il progetto "Ricerca sull'utilizzo della simulazione computazionale combinata con metodi sperimentali per la ricerca di potenziali composti inibitori delle cellule tumorali a partire da composti naturali con struttura xantonica". Questo progetto mira a costruire un processo di ricerca integrato in cui metodi computazionali moderni come l'intelligenza artificiale, la simulazione molecolare e il calcolo ad alte prestazioni vengono utilizzati in combinazione con la verifica sperimentale, contribuendo ad aprire nuove prospettive nella ricerca e nello sviluppo di farmaci in Vietnam.

Il professore associato, dottor Pham Minh Quan, ha affermato che il team di ricerca ha creato un database di composti xantonici, comprendente sia composti con dati sperimentali esistenti sia quelli utilizzati per lo screening virtuale. Sulla base di questo, è stato sviluppato e addestrato un modello di apprendimento automatico per prevedere le potenziali interazioni dei composti con bersagli biologici correlati al cancro, generando così rapidamente una lista ristretta di potenziali composti in grado di inibire la proteina in esame. La combinazione di dati sperimentali pubblicati con modelli computazionali fornisce indicazioni più chiare per il processo di screening, rispetto al tradizionale approccio "per tentativi ed errori".

Contemporaneamente, i parametri farmacocinetici e l'indice di "drug-likeness" dei composti vengono predetti utilizzando strumenti computazionali specializzati. Ciò garantisce non solo la selezione di composti con un elevato potenziale di inibizione della proteina bersaglio, ma anche il rispetto dei criteri essenziali per lo sviluppo di farmaci, quali assorbimento, distribuzione e sicurezza. Questo passaggio è cruciale per migliorare l'affidabilità delle previsioni computazionali e per restringere ulteriormente l'elenco dei potenziali composti precursori prima di passare alla fase sperimentale.

Un aspetto saliente della ricerca è l'applicazione di modelli di deep learning nella progettazione di nuovi derivati a partire da composti capostipiti identificati. Invece di limitarsi a una semplice "ricerca", la ricerca ha compiuto un passo cruciale "progettando" nuovi derivati basati sulle strutture dei composti capostipiti con l'obiettivo di migliorarne l'attività. Questo approccio dimostra chiaramente il ruolo dell'intelligenza artificiale non solo nell'analisi dei dati, ma anche nella creazione di nuovi composti strutturali, una direzione che sta acquisendo sempre maggiore importanza a livello globale nel campo della progettazione di farmaci.

In particolare, con l'elenco di potenziali derivati ottenuto dal processo di simulazione, lo studio ha proseguito con la semisintesi di questi derivati a partire dall'acido gambogico, un composto xantonico abbondante nella resina della pianta Coptis chinensis. Due gruppi principali di derivati, esteri (11 composti) e ammidi (8 composti), sono stati sintetizzati con elevata efficienza, e il relativo processo di sintesi è stato sviluppato e pubblicato.

I derivati ottenuti sono stati valutati per la loro attività biologica su linee cellulari tumorali; i due composti più promettenti sono stati ulteriormente testati su modelli animali per determinarne il potenziale di inibizione tumorale, mentre sono state condotte valutazioni di tossicità acuta e subcronica per garantirne la sicurezza. I risultati hanno mostrato che molti derivati hanno esibito una significativa attività antitumorale, in linea con le previsioni delle simulazioni; il metil gambogagato e la morfolinil gambogamide si sono distinti per la loro superiore efficacia nell'inibizione tumorale.

Tuttavia, secondo il professore associato Dr. Pham Minh Quan, l'implementazione della ricerca integrata deve ancora affrontare numerose sfide. In primo luogo, vi sono limitazioni nei dati di input per i modelli di apprendimento automatico a causa della mancanza di fonti di dati sperimentali di alta qualità, il che influisce sull'affidabilità predittiva. Inoltre, un'integrazione efficace tra gruppi di ricerca interdisciplinari, tra cui chimica, biologia, bioinformatica e scienza dei dati, richiede uno stretto coordinamento sia in termini di competenze che di flussi di lavoro.

Sulla base di questi risultati preliminari, il team di ricerca prevede di estendere in futuro l'applicazione del modello CADD ad altri gruppi di composti naturali, diversificando al contempo gli obiettivi terapeutici e contribuendo al miglioramento della ricerca e dello sviluppo di farmaci.

Integrare l'intelligenza artificiale nel trattamento del cancro.

Il cancro ha un impatto significativo sulla salute pubblica, pertanto, la necessità di trovare soluzioni terapeutiche efficaci, sicure e sostenibili sta diventando sempre più urgente.

Commento (0)

La danza dell'amore sulle onde di Mui Ne

Padre e figlio

Vita in campagna