Новий алгоритм машинного навчання ідентифікував 478 сполук, які можуть зупинити старіння мозку та захистити від нейродегенеративних захворювань. Прорив, очолюваний дослідниками з Люксембурзького центру системної біомедицини та CIC bioGUNE, може пришвидшити розробку ліків для боротьби зі зниженням когнітивних функцій, оскільки населення планети швидко старіє.
Старіючий мозок і транскриптом
Проблема, що лежить в основі, зрозуміла: Старіння є основним фактором ризику нейродегенеративних захворювань, таких як хвороба Альцгеймера. Оскільки очікується, що до 2050 року більше двох мільярдів людей буде старше 60 років, пошук способів захисту здоров’я мозку в похилому віці вже не є просто науковим викликом, це обов’язкова потреба громадського здоров’я. Це дослідження зосереджено не на генах як таких, а на транскриптомі – молекулах РНК, які показують, які гени активні. Цей підхід більш динамічний, ніж просто аналіз ДНК, оскільки активність генів змінюється з віком і хворобою.
Як працює алгоритм
Дослідники проаналізували зразки мозку 778 здорових людей у віці від 20 до 97 років. Модель машинного навчання навчилася прогнозувати біологічний вік з неймовірною точністю (протягом п’яти років) на основі активності лише 365 ключових генів. Дивно, але більшість цих генів не беруть безпосередньої участі в роботі мозку; вони регулюють відновлення ДНК і загальні процеси старіння. Це свідчить про те, що системне уповільнення старіння може захистити мозок.
При застосуванні до зразків пацієнтів із хворобою Альцгеймера або травмами голови алгоритм постійно показував, що їхній мозок був біологічно старшим, ніж очікувалося, іноді на 15 років у людей у віці 60-70 років. Це підтверджує, що нейродегенерація пов’язана з прискореним старінням на молекулярному рівні.
Ідентифікація сполук, що запобігають старінню
Потім алгоритм сканував дані з тисяч нейронів, шукаючи шаблони експресії генів, які зменшували прогнозований вік. Результат: список із 478 препаратів із потенційним ефектом проти старіння. Хоча багато з цих сполук ще не перевірено на продовження життя, прогнози алгоритму є відправною точкою для цілеспрямованих досліджень.
Попередня перевірка на мишах
Щоб перевірити точність моделі, дослідники давали три з передбачуваних сполук літнім мишам протягом чотирьох тижнів. У мишей спостерігалося значне покращення пам’яті та зниження тривоги, а також генетичні зміни, які зробили клітини їх мозку молодшими. Це свідчить про те, що алгоритм визначає не лише кореляції, а й причинно-наслідкові зв’язки між сполуками та омолодженням мозку.
Майбутнє розробки ліків проти старіння
В даний час не вистачає системних методів розробки ліків у сфері боротьби зі старінням. Ця платформа машинного навчання пропонує структурований спосіб визначення перспективних кандидатів. Однак ідентифіковані сполуки потребують подальшої перевірки в багатьох біологічних системах, перш ніж їх можна буде вважати ефективними методами лікування.
Сотні сполук, передбачених цією платформою, представляють значну можливість для майбутніх досліджень і терапевтичних розробок.
Мета зрозуміла: розробити ліки, які не тільки уповільнюють старіння, але й активно повертають його назад, захищаючи функції мозку для зростаючого населення. Системний підхід, який забезпечує цей новий метод машинного навчання, є важливим кроком у цьому майбутньому.
