Integratie van AI in de kankerbehandeling.

Kanker heeft een aanzienlijke impact op de volksgezondheid; daarom wordt de behoefte aan effectieve, veilige en duurzame behandelingsoplossingen steeds urgenter.

Báo Nhân dân•25/05/2026

Aan het Instituut voor Chemie wordt onderzoek gedaan naar potentiële kankerremmende verbindingen afkomstig van natuurlijk voorkomende xanthone-structuren. (Foto: VAN NGA)

Aan het Instituut voor Chemie wordt onderzoek gedaan naar potentiële kankerremmende verbindingen afkomstig van natuurlijk voorkomende xanthone-structuren. (Foto: VAN NGA)

Kanker heeft een aanzienlijke impact op de volksgezondheid, waardoor de behoefte aan effectieve, veilige en duurzame behandelingsoplossingen steeds urgenter wordt. De integratie van kunstmatige intelligentie (AI), krachtige computertechnologie en experimentele validatie opent de weg naar efficiënte benaderingen voor het ontwerpen van xanthonederivaten voor gerichte kankertherapie.

Computerondersteund geneesmiddelenontwerp (CADD) ontwikkelt zich tot een belangrijke trend in de moderne farmaceutische chemie. In Vietnam opent de integratie van AI en high-performance computing met experimentele methoden nieuwe mogelijkheden voor de benutting van natuurlijke verbindingen. In deze studie werden xanthone-structuren geselecteerd als veelbelovend bronmateriaal, waarbij het onderzoeksproces zich richtte op simulatie en experimentele verificatie.

Naast traditionele behandelingen verschuift de trend in de moderne geneesmiddelenontwikkeling sterk naar doelgerichte geneesmiddelenontwikkeling, gecombineerd met geavanceerde computertechnologieën om de onderzoekstijd te verkorten en de efficiëntie te verbeteren. Binnen deze trend trekken natuurlijk voorkomende verbindingen, met name xanthones, de aandacht vanwege hun diverse biologische potentieel, waaronder antikankeractiviteit. De effectieve benutting van deze verbindingen blijft echter beperkt als men uitsluitend vertrouwt op traditionele experimentele methoden, die tijdrovend en kostbaar zijn.

Associate Professor dr. Pham Minh Quan en zijn collega's van het Instituut voor Chemie (Vietnamese Academie van Wetenschappen en Technologie) hebben het project "Onderzoek naar het gebruik van computersimulatie in combinatie met experimentele methoden voor het zoeken naar potentiële kankercelremmende verbindingen uit natuurlijk voorkomende xanthone-structuurverbindingen" uitgevoerd. Dit project heeft als doel een geïntegreerd onderzoeksproces te ontwikkelen waarin moderne computermethoden zoals AI, moleculaire simulatie en high-performance computing worden gecombineerd met experimentele verificatie, waarmee een nieuwe benadering van geneesmiddelenonderzoek en -ontwikkeling in Vietnam wordt ingeluid.

Associate Professor dr. Pham Minh Quan verklaarde dat het onderzoeksteam een database heeft opgebouwd van xanthone-verbindingen, inclusief zowel verbindingen met bestaande experimentele gegevens als verbindingen die zijn gebruikt voor virtuele screening. Op basis hiervan is een machine learning-model ontwikkeld en getraind om de potentiële interacties van verbindingen met kankergerelateerde biologische doelwitten te voorspellen, waardoor snel een shortlist kan worden gegenereerd van potentiële verbindingen die het onderzochte eiwit remmen. De combinatie van gepubliceerde experimentele gegevens met computationele modellen biedt een duidelijkere leidraad voor het screeningsproces, in plaats van te vertrouwen op de traditionele "trial-and-error"-methode.

Tegelijkertijd worden de farmacokinetische parameters en de "geneesmiddelachtige" index van de verbindingen voorspeld met behulp van gespecialiseerde computerprogramma's. Dit zorgt ervoor dat niet alleen verbindingen met een hoog potentieel om het doelwitproteïne te remmen worden geselecteerd, maar ook dat essentiële criteria voor geneesmiddelenontwikkeling, zoals absorptie, distributie en veiligheid, worden nageleefd. Dit is een cruciale stap in het verbeteren van de betrouwbaarheid van de computervoorspellingen en het verder verkleinen van de lijst om potentiële precursorverbindingen te identificeren voordat de experimentele fase wordt ingegaan.

Een hoogtepunt van het onderzoek is de toepassing van deep learning-modellen bij het ontwerpen van nieuwe derivaten van geïdentificeerde leadverbindingen. In plaats van simpelweg te "zoeken", heeft het onderzoek een cruciale stap gezet door nieuwe derivaten te "ontwerpen" op basis van de structuren van leadverbindingen met als doel de activiteit te verbeteren. Deze aanpak demonstreert duidelijk de rol van AI, niet alleen bij data-analyse, maar ook bij het creëren van nieuwe structurele verbindingen, een richting die wereldwijd steeds meer aandacht krijgt in het vakgebied van geneesmiddelenontwerp.

Met de lijst van potentiële derivaten die uit het simulatieproces was verkregen, werd het onderzoek voortgezet met de semisynthese van deze derivaten op basis van gamboginezuur – een xanthoneverbinding die veel voorkomt in de hars van de Coptis chinensis-plant. Twee hoofdgroepen derivaten, esters (11 verbindingen) en amiden (8 verbindingen), werden met hoge efficiëntie gesynthetiseerd, en het syntheseproces werd eveneens ontwikkeld en gepubliceerd.

De verkregen derivaten werden geëvalueerd op hun biologische activiteit op kankercellijnen; de twee meest veelbelovende verbindingen werden verder getest in diermodellen om hun tumorremmende potentieel te bepalen, terwijl acute en subchronische toxiciteitsbeoordelingen werden uitgevoerd om de veiligheid te waarborgen. De resultaten toonden aan dat veel derivaten een significante antitumoractiviteit vertoonden, in overeenstemming met de simulatievoorspellingen; methylgamgogate en morpholinylgambogamide vielen op door hun superieure tumorremmende werkzaamheid.

Volgens universitair hoofddocent dr. Pham Minh Quan stuit de implementatie van geïntegreerd onderzoek echter nog steeds op veel uitdagingen. Ten eerste zijn er beperkingen in de inputgegevens voor machine learning-modellen vanwege een gebrek aan hoogwaardige experimentele databronnen, wat de voorspellende betrouwbaarheid beïnvloedt. Daarnaast vereist een effectieve integratie tussen interdisciplinaire onderzoeksgroepen, waaronder chemie, biologie, bio-informatica en datawetenschap, nauwe coördinatie op het gebied van expertise en werkprocessen.

Op basis van deze eerste resultaten is het onderzoeksteam van plan om de toepassing van het CADD-model in de toekomst uit te breiden naar andere groepen natuurlijke verbindingen, om zo de therapeutische doelen te diversifiëren en bij te dragen aan verbeterd onderzoek en ontwikkeling van geneesmiddelen.

HIEU LIEN NGA

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