"약물 발견"이라고 하는 새로운 약을 찾는 것은 비용이 많이 들고 시간이 많이 걸리는 작업이다. 그러나 머신러닝이라고 하는 일종의 인공지능은 프로세스를 대폭 가속화하고 적은 비용으로 작업을 수행할 수 있다.
연구자들은 최근 이 기술을 사용하여 세놀리틱(Senolytics) 약물(노화를 늦추고 노화 관련 질병을 예방하는 약물)에 대한 세 가지 유망한 후보를 찾았다.
세놀리틱(Senolytics)는 노화 세포를 죽임으로써 작동한다. 이들은 "살아있는"(대사 활성) 세포이지만 더 이상 복제할 수 없기 때문에 별명이 좀비 세포이다.
복제 불가능이 반드시 나쁜 것은 아니다. 이 세포들은 예를 들어 태양 광선에 의해 손상된 피부 세포와 같이 DNA에 손상을 입었으므로 복제를 중지하면 손상이 퍼지는 것을 중지한다.
그러나 노화 세포가 항상 좋은 것은 아니다. 그들은 이웃 세포로 퍼질 수 있는 염증성 단백질 칵테일을 분비한다. 일생 동안 우리의 세포는 UV 광선에서 화학 물질에 대한 노출에 이르기까지 공격의 공세를 겪으며 이러한 세포가 축적된다.
노화 세포의 수가 증가하면 제2형 당뇨병, 코로나19, 폐 섬유증, 골관절염 및 암을 포함한 다양한 질병과 관련이 있다.
실험용 쥐를 대상으로 한 연구에 따르면 세놀리틱스를 사용하여 노화 세포를 제거하면 이러한 질병을 개선할 수 있다. 이 약물은 건강한 세포를 유지하면서 좀비 세포를 죽일 수 있다.
약 80가지의 세놀리틱스가 알려져 있지만 인간에게 테스트된 것은 다사티닙과 케르세틴의 조합이다. 다양한 질병에 사용할 수 있는 세놀리틱스를 더 많이 발견하면 좋겠지만, 약이 시장에 나오기까지는 10년에서 20년, 수십억 달러가 필요하다.
5분 안에 결과
에딘버러 대학과 스페인 산탄데르에 있는 스페인 국립 연구 위원회 IBBTEC-CSIC의 연구원을 포함한 연구원들은 머신러닝 모델을 훈련시켜 새로운 세놀리틱 약물 후보를 식별할 수 있는지 알고 싶었다.
이를 위해 우리는 알려진 세놀리틱스 및 비세놀리틱스의 예를 AI 모델에 제공했다. 모델은 둘을 구별하는 법을 배웠고 이전에 본 적이 없는 분자가 세놀리틱스일 수 있는지 여부를 예측하는 데 사용할 수 있다.
머신러닝 문제를 해결할 때 우리는 일반적으로 다양한 모델의 데이터를 먼저 테스트한다. 그 중 일부는 다른 모델보다 더 나은 성능을 보이는 경향이 있기 때문이다.
가장 성능이 좋은 모델을 결정하기 위해 프로세스 시작 시 사용 가능한 교육 데이터의 작은 부분을 분리하고 교육 프로세스가 완료될 때까지 모델에서 숨겨 둔다.
그런 다음 이 테스트 데이터를 사용하여 모델이 만드는 오류 수를 정량화한다. 실수를 가장 적게 하는 사람이 이긴다.
우리는 최상의 모델을 결정하고 예측하도록 설정했다. 우리는 그것에 4,340개의 분자를 주었고 5분 후에 결과 목록을 전달했다.
AI 모델은 세놀리틱스일 가능성이 높은 것으로 간주되는 21개의 최고 점수 분자를 식별했다. 우리가 실험실에서 원래 4,340개의 분자를 테스트했다면 실험 기계 및 설정 비용을 계산하지 않고 화합물을 구입하는 데 최소 몇 주가 소요되고 집중적인 작업과 £50,000가 소요되었을 것이다.
그런 다음 건강한 세포와 노화 세포의 두 가지 유형의 세포에서 이러한 약물 후보를 테스트했다. 그 결과 21가지 화합물 중 3가지(페리플로신, 올란드린 및 긴게틴)가 노화 세포를 제거할 수 있는 반면 대부분의 정상 세포는 살아 있는 것으로 나타났다. 그런 다음 이 새로운 세놀리틱스는 신체에서 작용하는 방식에 대해 자세히 알아보기 위해 추가 테스트를 거쳤다.
더 자세한 생물학적 실험은 세 가지 약물 중에서 올레안드린이 가장 잘 알려진 세놀리틱 약물보다 더 효과적이라는 것을 보여주었다.
데이터 과학자, 화학자 및 생물학자를 포함하는 이 학제 간 접근 방식의 잠재적인 영향은 엄청나다. 충분한 고품질 데이터가 주어지면 AI 모델은 화학자와 생물학자가 질병, 특히 충족되지 않은 필요에 대한 치료법을 찾기 위해 수행하는 놀라운 작업을 가속화할 수 있다.
노화 세포에서 이를 검증한 후, 우리는 이제 인간 폐 조직에서 세 가지 후보 세놀리틱스를 테스트하고 있다. 2년 후에 다음 결과를 보고할 수 있기를 바란다.
