Integracja sztucznej inteligencji z leczeniem raka.

Choroba nowotworowa ma znaczący wpływ na zdrowie publiczne, dlatego też coraz pilniejsza staje się potrzeba znalezienia skutecznych, bezpiecznych i trwałych metod leczenia.

Báo Nhân dân•25/05/2026

W Instytucie Chemii prowadzone są badania mające na celu znalezienie potencjalnie hamujących rozwój nowotworów związków z naturalnie występujących struktur ksantonowych. (Zdjęcie: VAN NGA)

W Instytucie Chemii prowadzone są badania mające na celu znalezienie potencjalnie hamujących rozwój nowotworów związków z naturalnie występujących struktur ksantonowych. (Zdjęcie: VAN NGA)

Choroby nowotworowe mają znaczący wpływ na zdrowie publiczne, co sprawia, że potrzeba skutecznych, bezpiecznych i zrównoważonych rozwiązań terapeutycznych staje się coraz pilniejsza. Integracja sztucznej inteligencji (AI), obliczeń o wysokiej wydajności i walidacji eksperymentalnej otwiera nowe, efektywne podejścia w projektowaniu pochodnych ksantonu do ukierunkowanej terapii nowotworowej.

Projektowanie leków wspomagane komputerowo (CADD) staje się znaczącym trendem we współczesnej chemii farmaceutycznej. W Wietnamie integracja sztucznej inteligencji i obliczeń o wysokiej wydajności z metodami eksperymentalnymi otwiera nowe możliwości wykorzystania związków naturalnych. W niniejszym badaniu wybrano struktury ksantonowe jako obiecujący materiał źródłowy, a proces badawczy ukierunkowano od symulacji do weryfikacji eksperymentalnej.

Oprócz tradycyjnych terapii, trend we współczesnym rozwoju leków wyraźnie przesuwa się w kierunku projektowania leków ukierunkowanych, w połączeniu z zaawansowanymi technologiami obliczeniowymi, aby skrócić czas badań i zwiększyć ich efektywność. W tym trendzie, związki pochodzenia naturalnego, zwłaszcza ksantony, przyciągają uwagę ze względu na ich zróżnicowany potencjał biologiczny, w tym działanie przeciwnowotworowe. Jednak efektywne wykorzystanie tych związków pozostaje ograniczone, jeśli opiera się wyłącznie na tradycyjnych, czasochłonnych i kosztownych metodach eksperymentalnych.

Docent dr Pham Minh Quan wraz ze współpracownikami z Instytutu Chemii (Wietnamskiej Akademii Nauki i Technologii) zrealizował projekt „Badania nad wykorzystaniem symulacji obliczeniowej w połączeniu z metodami eksperymentalnymi do poszukiwania potencjalnych związków hamujących komórki nowotworowe z naturalnie pozyskiwanych związków szkieletowych ksantonów”. Celem projektu jest zbudowanie zintegrowanego procesu badawczego, w którym nowoczesne metody obliczeniowe, takie jak sztuczna inteligencja, symulacja molekularna i obliczenia o wysokiej wydajności, są wykorzystywane w połączeniu z weryfikacją eksperymentalną, przyczyniając się do opracowania nowego podejścia w badaniach i rozwoju leków w Wietnamie.

Docent dr Pham Minh Quan stwierdził, że zespół badawczy zbudował bazę danych związków ksantonowych, obejmującą zarówno związki z istniejącymi danymi eksperymentalnymi, jak i te wykorzystywane do wirtualnych badań przesiewowych. Na tej podstawie opracowano i wytrenowano model uczenia maszynowego, aby przewidywał potencjalne interakcje związków z celami biologicznymi związanymi z rakiem, szybko generując w ten sposób krótką listę potencjalnych związków hamujących badane białko. Połączenie opublikowanych danych eksperymentalnych z modelami obliczeniowymi zapewnia jaśniejsze wskazówki dla procesu badań przesiewowych, zamiast polegać na tradycyjnej metodzie prób i błędów.

Jednocześnie, za pomocą specjalistycznych narzędzi obliczeniowych, prognozuje się parametry farmakokinetyczne i wskaźnik „podobności do leku” związków. Gwarantuje to nie tylko wybór związków o wysokim potencjale hamowania białka docelowego, ale także spełnienie kluczowych kryteriów rozwoju leków, takich jak wchłanianie, dystrybucja i bezpieczeństwo. Jest to kluczowy krok w kierunku poprawy wiarygodności prognoz obliczeniowych i dalszego zawężenia listy w celu identyfikacji potencjalnych związków prekursorowych przed przejściem do fazy eksperymentalnej.

Kluczowym elementem badań jest zastosowanie modeli głębokiego uczenia (deep learning) w projektowaniu nowych pochodnych na podstawie zidentyfikowanych związków wiodących. Zamiast po prostu „wyszukiwać”, badania podjęły kluczowy krok, „projektując” nowe pochodne w oparciu o struktury związków wiodących, w celu poprawy ich aktywności. To podejście wyraźnie pokazuje rolę sztucznej inteligencji nie tylko w analizie danych, ale także w tworzeniu nowych związków strukturalnych – kierunku zyskującego globalne zainteresowanie w dziedzinie projektowania leków.

Warto zauważyć, że po uzyskaniu listy potencjalnych pochodnych w procesie symulacji, badania kontynuowano w kierunku półsyntezy tych pochodnych na bazie kwasu gambogowego – związku ksantonowego występującego obficie w żywicy rośliny Coptis chinensis. Zsyntetyzowano z wysoką wydajnością dwie główne grupy pochodnych: estry (11 związków) i amidy (8 związków), a proces syntezy został również opracowany i opublikowany.

Otrzymane pochodne oceniono pod kątem ich aktywności biologicznej na liniach komórek nowotworowych; dwa najbardziej obiecujące związki poddano dalszym testom na modelach zwierzęcych w celu określenia ich potencjału hamującego rozwój nowotworów, a w celu zapewnienia bezpieczeństwa przeprowadzono ocenę toksyczności ostrej i podprzewlekłej. Wyniki wykazały, że wiele pochodnych wykazywało znaczącą aktywność przeciwnowotworową, co jest zgodne z przewidywaniami symulacji; gamgogat metylu i morfolinylogambogamid wyróżniały się wyższą skutecznością w hamowaniu rozwoju nowotworów.

Jednak, zdaniem profesora nadzwyczajnego dr. Phama Minh Quana, wdrażanie zintegrowanych badań wciąż wiąże się z wieloma wyzwaniami. Po pierwsze, istnieją ograniczenia danych wejściowych dla modeli uczenia maszynowego, wynikające z braku wysokiej jakości źródeł danych eksperymentalnych, co wpływa na wiarygodność predykcyjną. Ponadto, skuteczna integracja między interdyscyplinarnymi grupami badawczymi, w tym z dziedziny chemii, biologii, bioinformatyki i nauki o danych, wymaga ścisłej koordynacji zarówno pod względem wiedzy specjalistycznej, jak i przepływu pracy.

Bazując na tych wstępnych wynikach, zespół badawczy planuje w przyszłości rozszerzyć zastosowanie modelu CADD na inne grupy związków naturalnych, jednocześnie różnicując cele terapeutyczne i przyczyniając się do poprawy jakości badań i rozwoju leków.

HIEU LIEN NGA

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