ШІ, що розкриває таємниці Альцгеймера: новий прорив у біомедицині

Видання AZoRobotics опублікувало матеріал про інноваційний інструмент штучного інтелекту під назвою RibbonFold, який має потенціал докорінно змінити підходи до вивчення нейродегенеративних захворювань. Ми підготували короткий виклад найцікавішого з цієї статті — про те, як цей новий ШІ-підхід може допомогти в боротьбі з хворобами мозку, зокрема з Альцгеймером, Паркінсоном та іншими патологіями, що досі залишаються майже невиліковними.

Проблема, яку намагається вирішити наука

Нейродегенеративні захворювання, як-от хвороба Альцгеймера, Паркінсона та бічний аміотрофічний склероз, пов’язані з аномальним накопиченням амілоїдних білків у мозку. Ці білки складаються неправильно й формують фібрилярні структури, які можуть порушувати роботу клітин, спричиняти загибель нейронів і, зрештою, призводити до втрати когнітивних функцій. Досі вчені зіштовхувалися з труднощами у вивченні таких білкових структур, оскільки вони дуже нестабільні, динамічні та складно піддаються моделюванню.

Саме тут на допомогу приходить штучний інтелект, зокрема — новий інструмент RibbonFold. Його створено з урахуванням фізичних характеристик амілоїдних фібрил, що дає змогу моделювати їхню тривимірну структуру з високою точністю.

RibbonFold — нове слово в прогнозуванні амілоїдних фібрил

RibbonFold — це алгоритм, який на відміну від AlphaFold від DeepMind, спеціалізується не на правильно складених білках, а саме на амілоїдах — білках, що зазвичай мають патологічну структуру. Амілоїдні фібрилярні структури — це не впорядковані «кулясті» білки, а розтягнуті, стрічкоподібні формування, які схильні до агрегації.

Підписуйтеся на наші соцмережі

Розробники RibbonFold створили модель, яка враховує фізичні обмеження, пов’язані з енергетично стабільними станами таких фібрил. Це означає, що ШІ навчається не просто на основі зображень або фрагментів білкових ланцюгів, а з урахуванням того, як саме ці білки складаються у стабільні або патологічні структури з урахуванням молекулярних сил.

Як працює RibbonFold і чому це краще, ніж AlphaFold

AlphaFold, попри свою революційність, був створений для передбачення структури правильно складених глобулярних білків. Але амілоїдні фібрилярні утворення, які викликають хворобу Альцгеймера, є зовсім іншими за своєю природою. Вони мають тенденцію змінювати форму з часом, формуючи нові, стійкіші структури, що є критичними для розвитку патологій.

RibbonFold використовує спеціальні механізми навчання, де фізичні властивості відіграють ключову роль. Цей підхід дозволив команді дослідників передбачити структури фібрил, які ще не були експериментально досліджені, але вже мають патогенне значення. Алгоритм пройшов тестування на базі даних структур, які були приховані під час навчання, — і продемонстрував високу точність.

Поява нового інструмента — крок до точнішої терапії

Моделювання структури амілоїдів — це не лише питання наукової цікавості. Це безпосередньо пов’язано з пошуком ліків. Коли фармацевтична компанія намагається створити препарат, їй потрібно знати, з чим саме боротися. Якщо патологічна форма білка має специфічну структуру, то її можна прицільно атакувати, використовуючи ліки, які блокують саме цю форму. RibbonFold надає змогу ідентифікувати такі форми ще до того, як вони встигнуть накопичитися в організмі людини.

Більш того, знання про те, як фібрилярні структури змінюються з часом, дозволяє припустити, що деякі ліки будуть ефективними лише на певних стадіях захворювання. Це відкриває перспективи персоналізованої медицини, коли лікування адаптується не лише до генетичних особливостей пацієнта, а й до стадії розвитку білкової патології.

Що це означає для науки та біотехнологій

Крім медицини, розуміння структури амілоїдів має значення і для інших галузей науки. Наприклад, в галузі біоматеріалів та нанотехнологій самозбірка білків використовується для створення нових матеріалів з унікальними властивостями. Якщо ми навчимося керувати цим процесом, спираючись на дані, які генерує RibbonFold, то зможемо створювати нові матеріали, що самозбираються, — як-от біосенсори або транспортні наночастинки для ліків.

Також дослідники отримують нові підказки, чому одні й ті самі амінокислоти можуть формувати абсолютно різні структури — від нешкідливих до патологічних. Це дає нові шляхи для дослідження білкових мутацій і пов’язаних із ними захворювань.

Люди, що стоять за проєктом, і майбутнє розробки

Над RibbonFold працювала міждисциплінарна команда науковців з Університету Райса, включно з Мінченом Ченом, Пітером Волінесом, а також Ляньюе Го, Циліном Ю, Ді Ваном і Сяоюй Ву. Дослідження фінансували Національний науковий фонд США, Фонд Велча та лабораторія Чанпін.

Наразі RibbonFold доступний для академічного використання, і його вже починають застосовувати інші дослідницькі групи. У перспективі цей інструмент може стати частиною стандартного арсеналу біомедичних досліджень, а також увійти до платформ фармацевтичних компаній для проєктування нових ліків.

Інструмент RibbonFold — це ще один доказ того, що штучний інтелект не лише полегшує наше життя, а й допомагає вирішувати найскладніші наукові завдання. Застосування таких рішень у медицині — це не фантастика, а вже сьогодення. І саме такі прориви дають надію на те, що в майбутньому ми зможемо попереджати або зупиняти розвиток важких хвороб ще до того, як вони завдадуть незворотної шкоди.

Цей матеріал підготовлений на основі інформації з відкритих джерел. Редакція самостійно відбирає ключові факти, аналізує їх та структурує за допомогою AI-інструментів.