寻找新药（称为“药物发现”）是一项昂贵且耗时的任务。 但一种称为机器学习的人工智能可以极大地加速这一过程，并且只需花费一小部分的成本即可完成这项工作。
我和我的同事最近利用这项技术找到了三种有前途的抗衰老药物候选药物——减缓衰老和预防与年龄相关的疾病的药物。
Senolytics 通过杀死来发挥作用 衰老细胞。 这些细胞“活着”（代谢活跃），但不能再复制，因此它们的绰号是：僵尸细胞。
无法复制不一定是坏事。 这些细胞的 DNA 受到了损害（例如，皮肤细胞被太阳光线损坏），因此停止复制可以阻止损害的扩散。
但衰老细胞并不总是一件好事。 他们分泌一种 炎症蛋白混合物 可以传播到邻近的细胞。 在一生中，我们的细胞会遭受从紫外线到化学物质的一系列攻击，因此这些细胞会不断积累。 衰老细胞数量增加与 疾病范围，包括 2 型糖尿病、新冠肺炎、肺纤维化、骨关节炎和癌症。
对实验室小鼠的研究 已经表明，消除衰老细胞，使用 抗衰老药，可以改善这些疾病。 这些药物可以杀死僵尸细胞，同时保持健康细胞的存活。
周围 80 抗衰老药 已知，但只有两种经过人体测试： 达沙替尼和槲皮素。 如果能找到更多可用于多种疾病的 senolytics 就太好了，但这需要 20 到 XNUMX 年的时间 数十亿美元 使药物进入市场。
五分钟内出结果
我和我的同事——包括来自爱丁堡大学和西班牙桑坦德西班牙国家研究委员会 IBBTEC-CSIC 的研究人员——想知道我们是否可以训练机器学习模型来识别新的 senolytic 候选药物。
为此，我们向人工智能模型提供了已知的示例 senolytics 和非 senolytics。 这些模型学会了区分这两者，并可用于预测他们以前从未见过的分子是否也可能是衰老药物。
在解决机器学习问题时，我们通常首先在一系列不同模型上测试数据，因为其中一些模型往往比其他模型表现更好。 为了确定性能最佳的模型，在过程开始时，我们分离出一小部分可用的训练数据，并将其隐藏在模型中，直到训练过程完成。 然后，我们使用这些测试数据来量化模型所犯的错误数量。 犯错误最少的人获胜。
我们确定了最佳模型并设置它来进行预测。 我们给它 4,340 个分子，五分钟后它给出了一份结果列表。
AI 模型识别出 21 种得分最高的分子，认为这些分子很可能是 senolytics。 如果我们在实验室测试了最初的 4,340 个分子，那么光是购买这些化合物就需要至少几周的紧张工作和 50,000 英镑，这还不包括实验机器和设置的成本。
然后，我们在两种类型的细胞上测试了这些候选药物：健康细胞和衰老细胞。 结果显示，在 21 种化合物中，其中三种（periplocin、夹竹桃苷和银杏素）能够消除衰老细胞，同时保持大多数正常细胞的存活。 然后，这些新的 senolytics 接受了进一步的测试，以了解更多关于它们在体内如何发挥作用的信息。
更详细的生物实验表明，在这三种药物中，夹竹桃苷比同类中已知性能最好的抗衰老药物更有效。
这种涉及数据科学家、化学家和生物学家的跨学科方法的潜在影响是巨大的。 如果有足够的高质量数据，人工智能模型可以加速化学家和生物学家为寻找疾病的治疗方法所做的惊人工作——尤其是那些未满足需求的疾病。
在衰老细胞中验证了它们后，我们现在正在人体肺组织中测试这三种候选的衰老药物。 我们希望在两年后报告我们的下一个结果。
关于作者
凡妮莎·斯梅尔-巴雷托，遗传学与分子医学研究所研究员， 爱丁堡大学
相关书籍：
身体记录分数：创伤愈合中的大脑和身体
作者：Bessel van der Kolk
这本书探讨了创伤与身心健康之间的联系，提供了治疗和恢复的见解和策略。
呼吸：失落艺术的新科学
通过詹姆斯·内斯特
这本书探讨了呼吸的科学和实践，提供了改善身心健康的见解和技巧。
植物悖论：导致疾病和体重增加的“健康”食品中的隐患
通过 Steven R. Gundry
这本书探讨了饮食、健康和疾病之间的联系，提供了改善整体健康状况的见解和策略。
免疫密码：真正健康和彻底抗衰老的新范式
乔尔·格林
这本书提供了一个关于健康和免疫的新视角，借鉴了表观遗传学的原理，并提供了优化健康和衰老的见解和策略。
完整的禁食指南：通过间歇性、隔日和延长禁食来治愈你的身体
作者：Jason Fung 博士和 Jimmy Moore
本书探讨了禁食的科学和实践，提供了改善整体健康和保健的见解和策略。
