Учёные разработали инновационный алгоритм на основе искусственного интеллекта, который может значительно ускорить процесс поиска новых лекарств для борьбы с аутоиммунными заболеваниями. Этот прорывной метод позволяет сократить многолетний ручной скрининг молекул до нескольких суток.
Исследователи планируют провести лабораторные и клинические испытания, чтобы подтвердить эффективность и безопасность отобранных соединений. Разработчики уверены, что этот подход можно адаптировать для поиска других важных для терапии ингибиторов.
В рамках исследования специалисты использовали алгоритмы машинного обучения для поиска ингибиторов селезёночной тирозинкиназы (Syk) — белка, который играет ключевую роль в развитии иммунной тромбоцитопении. Это заболевание характеризуется нарушением свёртываемости крови, снижением количества тромбоцитов и спонтанными кровотечениями.
Для лечения иммунной тромбоцитопении используются ингибиторы Syk, которые подавляют активность этого белка. Однако существующие препараты не всегда эффективны, а некоторые из них могут вызывать побочные эффекты. Поэтому научное сообщество активно ищет новые ингибиторы Syk.
Классический метод поиска новых соединений предполагает трудоёмкое тестирование тысяч молекул вручную, что может занять годы. Разработанная технология призвана решить эту проблему, генерируя молекулы с заданными характеристиками и оперативно отбирая наиболее перспективные варианты.
Благодаря этому подходу, исследователи уже обнаружили 139 потенциальных молекул-кандидатов, которые могут ингибировать белок Syk. По предварительным оценкам, эти соединения выглядят более перспективными по сравнению с существующими аналогами.
