يعتبر العثور على أدوية جديدة - "اكتشاف الأدوية" - مهمة مكلفة وتستغرق وقتا طويلا. لكن نوعا من الذكاء الاصطناعي يسمى التعلم الآلي يمكنه تسريع العملية بشكل كبير.
استخدمت فانيسا سمير-باريتو، وهي زميلة باحثة من معهد علم الوراثة والطب الجزيئي، جامعة إدنبرة، وزملاءها هذه التقنية مؤخرا للعثور على ثلاثة عناصر مرشحة واعدة للأدوية الحالّة للشيخوخة Senolytic drugs- الأدوية التي تبطئ الشيخوخة وتمنع الأمراض المرتبطة بالشيخوخة.
ويعمل Senolytics عن طريق قتل الخلايا الشائخة. وهذه خلايا "حية" (نشطة في التمثيل الغذائي)، لكنها لم تعد قادرة على التكاثر، ومن هنا اسمها المستعار: خلايا الزومبي.
وتعاني هذه الخلايا من تلف الحمض النووي - على سبيل المثال، خلايا الجلد التي تضررت بفعل أشعة الشمس - لذا فإن إيقاف التكاثر يوقف انتشار الضرر.
لكن الخلايا الشائخة ليست دائما شيئا جيدا. فهي تفرز مزيجا من البروتينات الالتهابية التي يمكن أن تنتشر في الخلايا المجاورة. وعلى مدار حياتنا، تعاني خلايانا وابلا من الهجمات، من الأشعة فوق البنفسجية إلى التعرض للمواد الكيميائية، وبالتالي تتراكم هذه الخلايا.
وتتورط أعداد كبيرة من الخلايا المتشيخة في مجموعة من الأمراض، بما في ذلك مرض السكري من النوع 2، وفيروس كورونا، والتليف الرئوي، وهشاشة العظام، والسرطان.
وأظهرت الدراسات التي أُجريت على فئران التجارب أن القضاء على الخلايا الشائخة باستخدام الأدوية الحالّة للشيخوخة يمكن أن يخفف من هذه الأمراض. ويمكن لهذه الأدوية أن تقتل خلايا الزومبي مع الحفاظ على الخلايا السليمة على قيد الحياة.
ومن المعروف أن هناك الآن حوالي 80 دواء للشيخوخة، ولكن تم اختبار اثنين منها فقط على البشر: هما مزيج من dasatinib وquercetin. وسيكون من الرائع العثور على المزيد من الأدوية الحالة للشيخوخة التي يمكن استخدامها في مجموعة متنوعة من الأمراض، لكن الأمر سيستغرق من 10 إلى 20 عاما ومليارات الدولارات للوصول إلى السوق.
وأراد باحثو جامعة إدنبرة والمجلس الوطني الإسباني للبحوث IBBTEC-CSIC في سانتاندير بإسبانيا، معرفة ما إذا كان بإمكاننا تدريب نماذج التعلم الآلي لتحديد الأدوية الجديدة المرشحة لمعالجة الشيخوخة.
للقيام بذلك، قاموا بتزويد نماذج الذكاء الاصطناعي بأمثلة على تلك الحالة المعروفة للشيخوخة وعلى غير الحالّة للشيخوخة. وتعلمت النماذج التمييز بين الاثنين، ويمكن استخدامها للتنبؤ بما إذا كانت الجزيئات التي لم يسبق لها مثيل من قبل يمكن أن تكون أيضا مسببة للشيخوخة.
وعند حل مشكلة التعلم الآلي، عادة ما تُختبر البيانات على مجموعة من النماذج المختلفة أولا لأن بعضها يميل إلى الأداء بشكل أفضل من البعض الآخر.
ولتحديد النموذج الأفضل أداء، في بداية العملية، يُفصل قسم صغير من بيانات التدريب المتاحة مع إبقائها مخفية عن النموذج حتى اكتمال عملية التدريب.
ثم تُستخدم بيانات الاختبار هذه لتحديد عدد الأخطاء التي يرتكبها النموذج.
وحدد الباحثون أفضل نموذج ووضعوه لعمل تنبؤات. وحدد نموذج الذكاء الاصطناعي 21 جزيئا حاصلا على أعلى الدرجات والتي اعتبرها ذات احتمالية عالية لكونها حالّة للشيخوخة. وإذا قمنا باختبار 4340 جزيئا أصليا في المختبر، لكان قد استغرق الأمر بضعة أسابيع على الأقل من العمل المكثف و50000 جنيه إسترليني فقط لشراء المركبات، دون احتساب تكلفة الآلات التجريبية والإعداد.
ثم اختُبرت هذه الأدوية المرشحة على نوعين من الخلايا: صحية ومصابة بالشيخوخة. وأظهرت النتائج أن من بين 21 مركبا، تمكنت ثلاثة (بيريبلوسين وأولياندرين وجينكستين) من القضاء على الخلايا المتشيخة، مع الحفاظ على معظم الخلايا الطبيعية على قيد الحياة. ثم خضعت هذه الأدوية الجديدة المعالجة للشيخوخة لمزيد من الاختبارات لمعرفة المزيد حول كيفية عملها في الجسم.
وأظهرت التجارب البيولوجية الأكثر تفصيلا أنه من بين الأدوية الثلاثة، كان الأولياندرين أكثر فاعلية من أفضل دواء مضاد للشيخوخة معروف من نوعه.
وتعد التداعيات المحتملة لهذا النهج المتعدد التخصصات - التي تشمل علماء البيانات والكيميائيين وعلماء الأحياء - هائلة. وبالنظر إلى ما يكفي من البيانات العالية الجودة، يمكن لنماذج الذكاء الاصطناعي تسريع العمل المذهل الذي يقوم به الكيميائيون وعلماء الأحياء لإيجاد علاجات للأمراض - خاصة تلك التي لم تتم تلبيتها.
وبعد التحقق من صحتها في إزالة الخلايا الشائخة، يختبر الباحثون الآن الأدوية المرشحة الثلاثة الحالة للشيخوخة في أنسجة الرئة البشرية.