Harvard ha sviluppato uno strumento di intelligenza artificiale che individua geni e combinazioni di farmaci in grado di invertire le malattie nelle cellule.
I ricercatori della Harvard Medical School hanno creato uno strumento di intelligenza artificiale che potrebbe rivoluzionare la scoperta di nuovi farmaci. PDGrapher è in grado di identificare geni e combinazioni di farmaci che ripristinano la salute delle cellule malate, aprendo nuove possibilità per il trattamento del cancro e delle malattie neurodegenerative. I risultati della ricerca sono stati pubblicati su Nature Biomedical Engineering.
La ricerca tradizionale di nuovi farmaci spesso comporta la sperimentazione di centinaia di composti chimici nella speranza che uno di essi si dimostri efficace.
"La scoperta di farmaci tradizionali è come assaggiare centinaia di piatti pronti per trovare quello che ha il sapore perfetto", afferma la Dott.ssa Marinka Zitnik , autrice principale dello studio e professoressa associata di informatica biomedica presso il Blavatnik Institute della Harvard Medical School. "PDGrapher funziona come un maestro chef che capisce che sapore dovrebbe avere un piatto e come combinare esattamente gli ingredienti per ottenere il sapore desiderato".
Il nuovo strumento è una rete neurale grafica che analizza non solo i singoli punti dati, ma anche le connessioni tra essi. In biologia, questo significa mappare le relazioni tra geni, proteine e vie di segnalazione, e quindi prevedere quali combinazioni di farmaci possono invertire il processo patologico nelle cellule.
Invece di testare ogni possibile sostanza presente nel database, PDGrapher identifica solo i target con maggiori probabilità di ripristinare la funzionalità cellulare sana. Il modello simula cosa accade quando specifici geni o proteine vengono disattivati e verifica se la cellula continuerà a comportarsi come se fosse malata.
Per testare l'efficacia del modello, i ricercatori hanno utilizzato 19 set di dati che coprono 11 tipi di cancro. PDGrapher ha identificato correttamente i target per i farmaci esistenti e ha anche identificato ulteriori candidati la cui efficacia è supportata da studi recenti. Tra gli esempi figurano KDR (VEGFR2), un bersaglio per la terapia del carcinoma polmonare non a piccole cellule, e TOP2A, un enzima già bersaglio della chemioterapia, il cui blocco può inibire le metastasi.
Il modello ha superato altri strumenti: la precisione della classificazione è stata fino al 35% più elevata e il tempo per ottenere i risultati è stato fino a 25 volte più breve rispetto a metodi comparabili.
Vedi anche:
PDGrapher potrebbe svolgere un ruolo particolarmente importante nelle malattie in cui molteplici vie biologiche ne determinano la progressione, come il cancro e le malattie neurodegenerative. Il team lo sta già testando in studi sul morbo di Parkinson e sull'Alzheimer, nonché in collaborazione con il Massachusetts General Hospital sulla rara distonia legata al cromosoma X.
"Il nostro obiettivo finale è quello di creare una chiara tabella di marcia che delinei i possibili modi per invertire la malattia a livello cellulare", sottolinea Zitnik.
Questa scoperta potrebbe accelerare significativamente lo sviluppo di terapie personalizzate. PDGrapher identifica bersagli specifici per i test, riducendo tempi e costi, e fornendo al contempo nuove informazioni sui meccanismi della malattia. Come sottolineano i ricercatori, lo strumento potrebbe diventare il fondamento di un nuovo paradigma in farmacologia, abbandonando il modello "un bersaglio, un farmaco" per puntare a combinazioni terapeutiche complesse e precise.
politykazdrowotna
