Павел Иевлев

Текст

Исследователи из Отделения вычислительной биологии Университета Карнеги-Меллона используют алгоритмы машинного обучения для поиска новых основ лекарственных препаратов в природе. Это позволяет существенно сократить срок разработки лекарств

Большинство лекарственных препаратов имеют природную основу, являясь переработанными продуктами метаболизма растений и микроорганизмов. Хорошо известный даже далеким от фармакологии людям пример – пенициллины, продуцируемые плесенью рода Penicillium. Однако до сих пор их свойства выяснялись либо при случайном использовании, либо путем трудоемких поисков аналогов. В последние десятилетия крупные фармацевтические компании в основном отказались от поиска, поскольку он отнимают годы и миллионы долларов.

Самообучающийся алгоритм, разработанный исследователями, сопоставляет сигналы метаболитов микроорганизмов с их геномными сигналами, чтобы обнаруживать нерибосомные пептиды (NRPs). NRPS используются для производства многих антибиотиков, противоопухолевых препаратов и других важных лекарств, однако традиционными методами их трудно обнаружить и еще труднее определить как потенциально полезные. По словам Хосейна Мохимани, доцента и руководителя лаборатории, разработанный метод уникально чувствителен, что позволяет обнаружить нанограммы действующего вещества.

Новая дисциплина вычислительная биология, возникшая на стыке наук, обещает хорошие перспективы в поиске лекарств от рака и вирусных заболеваний. Команда исследователей уже обнаружила четыре новых активных природных вещества, которые потенциально пригодны для производства новых лекарств.

Использованные источники: