پزشکی و سلامت ,علمی، پژوهشی و فناوری

AI PIONEER اکتشاف دارو را با نقشه برداری از پروتئین ممکن می کند

به گزارش پایگاه خبری علم و فناوری : محققان نرم افزار جدید PIONEER را توسعه داده اند که شناسایی فعل و انفعالات مهم پروتئین-پروتئین را برای هدف گیری داروها ساده می کند.

این ابزار، که داده‌های ژنومی وسیع و ساختارهای پروتئین فیزیکی را ادغام می‌کند، به محققان در شناسایی نقاط تعاملی که می‌تواند منجر به درمان‌های موثر برای بیماری‌هایی مانند سرطان شود، کمک می‌کند.

دانشمندان از کلینیک کلیولند و دانشگاه کرنل یک نرم‌افزار و پایگاه داده وب در دسترس عموم توسعه داده‌اند که برای ساده‌سازی شناسایی تعاملات کلیدی پروتئین-پروتئین که می‌توان با دارو هدف‌گیری کرد، طراحی شده است.

این ابزار با نام PIONEER (پیش‌بینی تعامل پروتئین-پروتئین) توسط محققانی به نمایش گذاشته شد که از آن برای شناسایی اهداف دارویی بالقوه برای سرطان‌های مختلف و سایر بیماری‌های پیچیده استفاده کردند. یافته های آنها امروز (24 اکتبر) در Nature Biotechnology منتشر شد .

پیشرفت در تحقیقات ژنومی و کشف دارو
در حالی که تحقیقات ژنومی نقش مهمی در کشف دارو ایفا می کند، اغلب به خودی خود کافی نیست. توسعه داروهای مبتنی بر داده های ژنومی می تواند به طور متوسط ​​10 تا 15 سال از شناسایی یک ژن عامل بیماری تا شروع آزمایشات بالینی طول بکشد.

دکتر چنگ می گوید: «در تئوری، ساخت داروهای جدید بر اساس داده های ژنتیکی ساده است: ژن های جهش یافته پروتئین های جهش یافته را می سازند. ما سعی می‌کنیم مولکول‌هایی بسازیم که مانع از برهم زدن این پروتئین‌ها در فرآیندهای حیاتی بیولوژیکی با جلوگیری از تعامل آن‌ها با پروتئین‌های سالم شوند، اما در واقعیت، گفتن این کار بسیار ساده‌تر از انجام آن است.»

چالش ها در شبکه های تعامل پروتئین

یک پروتئین در بدن ما می تواند با صدها پروتئین دیگر به روش های مختلف تعامل داشته باشد. دکتر چنگ توضیح می‌دهد که این پروتئین‌ها سپس می‌توانند با صدها پروتئین دیگر تعامل داشته باشند و شبکه پیچیده‌ای از برهمکنش‌های پروتئین-پروتئین به نام اینتراکتوم را تشکیل دهند. زمانی که جهش‌های DNA عامل بیماری به ترکیب وارد می‌شوند، این موضوع حتی پیچیده‌تر می‌شود. برخی از ژن‌ها می‌توانند به روش‌های مختلفی جهش پیدا کنند تا بیماری مشابهی ایجاد کنند، به این معنی که یک بیماری می‌تواند با بسیاری از اینتراکتوم‌های ناشی از تنها یک پروتئین جهش‌یافته متفاوت مرتبط باشد.

توسعه دهندگان دارو با ده ها هزار تداخل بالقوه بیماری زا باقی می مانند - و این تنها پس از ایجاد لیست بر اساس ساختارهای فیزیکی پروتئین آسیب دیده است.

استفاده از هوش مصنوعی برای پیمایش در تعاملات پیچیده

دکتر چنگ به دنبال ساخت ابزار هوش مصنوعی (AI) برای کمک به محققان ژنتیک/ژنومی و توسعه دهندگان دارو بود تا امیدوارکننده‌ترین تعاملات پروتئین-پروتئین را آسان‌تر شناسایی کنند و با دکتر Haiyuan Yu، مدیر مرکز پروتئومیکس نوآورانه دانشگاه کرنل همکاری کرد. . این گروه حجم عظیمی از داده ها را از منابع متعدد ادغام کرده است:

توالی‌های ژنومی تقریباً 100000 فردی که یا با جهش‌های بیماری‌زا به دنیا آمده‌اند یا در اواخر زندگی (معمولاً سرطان) به دست آورده‌اند.
ساختارهای فیزیکی سه بعدی از بیش از 16000 پروتئین انسانی و داده‌هایی در مورد نحوه تأثیر جهش‌های DNA بر آن ساختارها.
فعل و انفعالات شناخته شده بین تقریباً 300000 جفت پروتئین-پروتئین مختلف.
پایگاه داده به دست آمده آنها به محققان اجازه می دهد تا در اینتراکتوم بیش از 10500 بیماری، از آلوپسی تا بیماری فون ویلبراند، پیمایش کنند.

محققانی که جهش مرتبط با بیماری را شناسایی کرده‌اند، می‌توانند آن را در PIONEER وارد کنند تا فهرست رتبه‌بندی‌شده‌ای از برهمکنش‌های پروتئین-پروتئین را دریافت کنند که به بیماری کمک می‌کند و به طور بالقوه می‌تواند با دارو درمان شود. دانشمندان می توانند یک بیماری را با نام جستجو کنند تا لیستی از تعاملات پروتئینی بالقوه بیماری زا را دریافت کنند و سپس می توانند به تحقیق بروند. PIONEER برای کمک به محققان بیوپزشکی طراحی شده است که تقریباً در هر بیماری در گروه های مختلف از جمله خود ایمنی، سرطان، قلب و عروق، متابولیک، عصبی و ریوی تخصص دارند.

تاثیر و اعتبار PIONEER

این تیم پیش‌بینی‌های پایگاه داده خود را در آزمایشگاه تأیید کردند، جایی که تقریباً 3000 جهش در بیش از 1000 پروتئین ایجاد کردند و تأثیر آنها را روی تقریباً 7000 جفت تعامل پروتئین-پروتئین آزمایش کردند. تحقیقات اولیه بر اساس این یافته‌ها برای توسعه و آزمایش درمان‌های سرطان ریه و آندومتر در حال انجام است. این تیم همچنین نشان داد که جهش‌های برهمکنش پروتئین-پروتئین مدل آنها می‌تواند پیش‌بینی کند:

میزان بقا و پیش آگهی انواع سرطان، از جمله سارکوم، سرطانی نادر اما بالقوه کشنده.

پاسخ های دارویی ضد سرطان در پایگاه های بزرگ فارماکوژنومیک

محققان همچنین به طور تجربی تأیید کردند که جهش‌های برهم‌کنش پروتئین-پروتئین بین پروتئین‌های NRF2 و KEAP1 می‌توانند رشد تومور را در سرطان ریه پیش‌بینی کنند و یک هدف جدید برای توسعه هدفمند درمانی سرطان ارائه دهند.

دکتر چنگ می گوید: «منابع مورد نیاز برای انجام مطالعات متقابل، مانع مهمی برای ورود بیشتر محققان ژنتیکی است. "ما امیدواریم PIONEER بتواند بر این موانع از نظر محاسباتی غلبه کند تا بار را کاهش دهد و به دانشمندان بیشتری توانایی پیشرفت درمان های جدید را بدهد."