Машинное обучение ускоряет поиск новых лекарств в природных источниках

Исследователи из Университета Карнеги — Меллон разработали новый вычислительный процесс, который может возродить поиск лекарств на основе природных соединений для лечения рака, вирусных инфекций и других заболеваний.

Алгоритмы машинного обучения, созданные в лаборатории метаболомики и метагеномики, сопоставляют сигналы метаболитов микроба с его геномными сигналами и определяют, какие из них, вероятно, соответствуют природному продукту. Это знание позволяет исследователям эффективнее выделять нужное соединение для начала разработки потенциального препарата.

"Природные продукты по-прежнему остаются одним из наиболее успешных путей для открытия лекарств. И мы считаем, что можем продвинуться дальше с таким алгоритмом, как наш. Наша вычислительная модель на порядки быстрее и чувствительнее", — говорит ведущий автор работы Бахара Бехсаз.

В рамках одного исследования команда смогла проанализировать метаболомные и геномные данные примерно для 200 штаммов микробов. Алгоритм не только идентифицировал сотни ожидаемых природных продуктов, но и обнаружил четыре новых соединения, перспективных для будущей разработки лекарств. Работа опубликована в журнале Nature Communications.

В статье "Integrating Genomics and Metabolomics for Scalable Non-Ribosomal Peptide Discovery" представлена разработка инструмента искусственного интеллекта NRPminer для обнаружения нерибосомных пептидов (NRPs). NRPs — важный класс природных продуктов, используемых для создания многих антибиотиков, противораковых препаратов и других клинически применяемых лекарств. Однако их сложно обнаружить и ещё сложнее идентифицировать как потенциально полезные.

"Уникальность нашего подхода в исключительной чувствительности технологии. Мы можем обнаруживать молекулы с нанограммовым содержанием. Мы можем находить то, что скрыто под поверхностью", — отмечает руководитель лаборатории Хосейн Мохимани.

Большинство широко используемых антибиотиков, противогрибковых и многих противоопухолевых препаратов были открыты среди природных соединений.

Поиск и выделение природных продуктов традиционно требует много времени и средств, часто занимая годы и миллионы долларов. Применение алгоритмов машинного обучения к данным геномики и метаболомики создаёт новые возможности для их идентификации.

"Мы надеемся продвинуть этот метод вперёд, обнаружить другие кандидаты в природные лекарства и довести их до стадии, привлекательной для фармацевтических компаний", — говорит Мохимани.

Команда уже исследует четыре новых природных продукта, обнаруженных в ходе работы. Их анализ под руководством Хельги Боде из Университета Гёте в Германии показал, что два из них обладают потенциальными противомалярийными свойствами.