Nowy algorytm uczenia maszynowego zidentyfikował 478 związków, które mogą odwrócić proces starzenia się mózgu i chronić przed chorobami neurodegeneracyjnymi. Przełom, pod kierownictwem naukowców z Luksemburskiego Centrum Biomedycyny Systemowej i CIC bioGUNE, może przyspieszyć rozwój leków przeciwdziałających pogorszeniu funkcji poznawczych w obliczu szybkiego starzenia się światowej populacji.
Starzenie się mózgu i transkryptom
Zasadnicza kwestia jest jasna: Starzenie się jest głównym czynnikiem ryzyka chorób neurodegeneracyjnych, takich jak choroba Alzheimera. Biorąc pod uwagę, że do 2050 r. ponad dwa miliardy ludzi przekroczy 60. rok życia, znalezienie sposobów ochrony zdrowia mózgu na starość nie jest już tylko wyzwaniem naukowym – to imperatyw zdrowia publicznego. Badania te nie skupiają się na genach jako takich, ale na transkryptomie – cząsteczkach RNA, które pokazują, które geny są aktywne. To podejście jest bardziej dynamiczne niż samo patrzenie na DNA, ponieważ aktywność genów zmienia się wraz z wiekiem i chorobą.
Jak działa algorytm
Naukowcy przeanalizowali próbki mózgów od 778 zdrowych osób w wieku od 20 do 97 lat. Model uczenia maszynowego nauczył się przewidywać wiek biologiczny z niesamowitą dokładnością (w ciągu pięciu lat) w oparciu o aktywność zaledwie 365 kluczowych genów. Co zaskakujące, większość tych genów nie jest bezpośrednio zaangażowana w funkcjonowanie mózgu; regulują naprawę DNA i ogólne procesy starzenia. Sugeruje to, że spowolnienie starzenia się systemowo może chronić mózg.
Algorytm zastosowany do próbek pobranych od pacjentów z chorobą Alzheimera lub urazami głowy konsekwentnie wykazał, że ich mózgi były biologicznie starsze, niż oczekiwano – czasami nawet o 15 lat u osób w wieku 60 i 70 lat. Potwierdza to, że neurodegeneracja wiąże się z przyspieszonym starzeniem na poziomie molekularnym.
Identyfikacja związków przeciwdziałających starzeniu się
Następnie algorytm przeskanował dane z tysięcy neuronów, szukając wzorców ekspresji genów, które obniżają przewidywany wiek. Wynik: lista 478 leków o potencjalnym działaniu przeciwstarzeniowym. Chociaż wiele z tych związków nie zostało jeszcze przetestowanych pod kątem wydłużania życia, przewidywania algorytmu stanowią punkt wyjścia do ukierunkowanych badań.
Wstępna walidacja na myszach
Aby przetestować dokładność modelu, naukowcy podali trzy z przewidywanych związków starszym myszom na cztery tygodnie. Myszy wykazały znaczną poprawę pamięci i zmniejszenie lęku, a także zmiany genetyczne, które spowodowały, że ich komórki mózgowe stały się młodsze. Sugeruje to, że algorytm identyfikuje nie tylko korelacje, ale także związki przyczynowo-skutkowe pomiędzy związkami i odmładzaniem mózgu.
Przyszłość rozwoju leków przeciwstarzeniowych
Obecnie brakuje systematycznych metod opracowywania leków w dziedzinie przeciwdziałania starzeniu się. Ta platforma uczenia maszynowego oferuje ustrukturyzowany sposób identyfikowania obiecujących kandydatów. Jednakże zidentyfikowane związki wymagają dalszej walidacji w wielu układach biologicznych, zanim można będzie je uznać za skuteczne metody leczenia.
Setki związków przewidywanych przez tę platformę stanowią znaczącą szansę dla przyszłych badań i rozwoju terapeutycznego.
Cel jest jasny: opracować leki, które nie tylko spowalniają starzenie się, ale aktywnie je odwracają, chroniąc funkcje mózgu rosnącej populacji. Systematyczne podejście zapewniane przez tę nową metodę uczenia maszynowego jest ważnym krokiem w stronę przyszłości.
