Вычислительная модель улучшает предсказание мишеней для терапии на основе протеинкиназ

Исследования протеинкиназ открывают возможности для поиска молекулярных мишеней в организме для лечения таких заболеваний, как рак и аутоиммунные расстройства. Эти ферменты могут связываться с клеточными сайтами и подавлять дисфункциональное поведение, например, чрезмерное производство раковых клеток и образование опухолей.

Из-за огромного количества возможных комбинаций структур киназ и клеток ученые обращаются к искусственному интеллекту (ИИ), чтобы предсказать и смоделировать, какое сочетание может иметь терапевтический эффект.

Команда исследователей разработала KinasePred — вычислительный инструмент для предсказания мишеней среди малых молекул киназ. Детали проекта были опубликованы в International Journal of Molecular Sciences.

Авторами являются исследователи, сотрудничающие с Sbarro Health Research Organization (SHRO) под руководством профессора Темпльского университета Антонио Джордано, а также ученые из Университета Пизы и других исследовательских организаций Италии. Этот рабочий процесс на основе ИИ способен предсказывать активность киназ, получать представление о взаимодействиях молекулярных мишеней и выявлять комбинации с потенциалом для лечения рака.

Исследование под руководством доктора Мирианы де Стефано представляет собой усовершенствованный вычислительный инструмент, призванный усилить предсказание взаимодействий киназ с малыми молекулами.

KinasePred — это пример инструмента, зависящего от данных и разработанного для решения конкретной проблемы — выбора ингибиторов киназ. Это достигается путем применения прогнозной модели, которая использует молекулярную основу связывания и селективности киназ.

KinasePred использует машинное обучение (МО) и ИИ для точных прогнозов, а также для объяснения молекулярных характеристик, облегчающих взаимодействия. Исследователи надеются, что инструмент приведет к более точным предсказаниям с использованием новых представлений молекул и различных методов машинного обучения, а также обеспечит более полное понимание взаимодействий киназ.

Эти достижения имеют решающее значение для выявления и минимизации побочных эффектов, что в конечном итоге повышает безопасность и селективность терапевтических агентов.