研究人员遵循人工智能路径寻找更安全的senoly化合物

来自苏格兰爱丁堡大学和西班牙坎塔布里亚大学的研究人员联手开发了一种人工智能，经过训练可以在熟悉的化合物中发现senolytic药物化学。

在发表在NatureCommunications上的论文“使用机器学习发现senolytics”中，研究人员详细介绍了搜索4，300多种科学描述的化合物以正确的化学组成以解决细胞衰老的努力。

细胞衰老是当细胞停止增殖时发生的事情。这可能是由于年龄，细胞可能自我确定有太多累积的突变无法安全复制，或者因为细胞已经受损。衰老通过不允许受损或突变的细胞增殖，在限制肿瘤进展方面起着至关重要的作用。

身体可以忍受组织中有一些非参与的衰老细胞。随着年龄的增长，积累高水平的衰老细胞与各种形式的疾病有关-骨关节炎，肺部疾病，阿尔茨海默氏症，痴呆和癌症。

筛选方法使用了58种先前鉴定的senolytics和2，465种已知没有senolytic效应的化合物来训练AI。经过充分的培训，人工智能被引入包含4，340种FDA批准或临床阶段化合物的库中。

研究中鉴定的三种senolytic化合物在草药中被发现。对人类细胞的测试表明，银杏素，周蛋白和夹竹桃素这三种都能够在不损害健康细胞的情况下去除衰老细胞。

三个中的一个脱颖而出，夹竹桃，是最有前途的。Oleandrin是强心苷类化合物，通常用作心脏药物，以增加心力衰竭期间的心输出量以及治疗低血压和心律失常。

目前使用的主要强心苷化合物是瓦巴因，已知毒性相对较高，是中毒的常见原因。事实上，瓦巴因是肯尼亚马赛战士使用的毒箭的重要组成部分。

Oleandrin比ouabain表现出更大的senolytic性能，在低纳摩尔范围内起作用，抑制其规范靶标并以更高的功效激活其senolytic途径。Oleandrin在测试浓度下不影响正常细胞的活力，所有这些都表明有希望的senolyticive潜力。

夹竹桃苷仍然关注心脏毒性。研究人员认为，直接在受损组织部位用作局部senolytic疗法可能会使其成为一种有效的治疗方法，同时降低异地风险，临床试验目前正在评估这种局部使用senolytics治疗骨关节炎。

在一项平行的努力中，研究人员表明，人移植肝脏的离体senolytics灌注在冷藏期间保留了组织结构和再生能力。

该研究使用现有数据来发现以前未知的知识。虽然实际的研究结果提供了一种令人兴奋的新化合物来测试克服细胞衰老，但它也是人工智能可以在研究人员手中做出有益贡献的另一个例子。