세 명의 고등학생이 AI를 사용하여 여러 이중 효과 표적을 식별하고 악성 신경교종 치료를 위한 새로운 솔루션을 개발했습니다.

최근 상하이 고등학교 국제학과의 고등학생 Ren Ziming과 고등학생인 두 명의 외국인 협력자가 노화와 악성 뇌종양에 대한 여러 이중 효과 표적을 발견했습니다. 둘째, 종양 성장과 암 진행에 미치는 영향을 검증하기 위해 생체 내 및 시험관 내 실험을 통해 추가 연구를 수행할 수 있습니다. 동시에 동물 모델을 통해 노화 방지 잠재력도 연구할 수 있습니다.

타겟을 확인한 후 약리화학적 방법이나 인공지능 방법을 활용하여 타겟을 타겟으로 하는 화합물을 찾아내거나 오래된 약물을 재활용하는 전략을 세울 수 있습니다.

이 성과를 통해 악성 신경교종 환자를 위한 보다 안전하고 효율적인 임상 치료 옵션이나 약물을 개발할 수 있을 것으로 기대됩니다.

사진 | Ren Ziming(출처: Ren Ziming)

최근 AI 기반 생물학적 표적 발견 플랫폼인 PandaOmics를 활용하여 노화 및 다형성 교모세포종에서 "AI 기반 생물학적 표적 발견 플랫폼인 PandaOmics를 사용하여 노화 및 다형성 교모세포종에 연루된 이중 목적 치료 표적의 식별"이라는 제목의 관련 논문) Aging [1]에 게재되었습니다.

그림 | 관련 논문 (출처: Aging)

영국 Sevenoaks School의 고등학생 Andrea Olsen, 미국 포트로더데일 Pencaster School의 고등학생 Zachary Harpaz, Ren Ziming이 논문의 저자입니다.

Lu Ziming은 다음과 같이 말했습니다. "Andrea, Zach, 그리고 저는 점차 이 프로젝트에 참여했습니다. Andrea는 Aging Research and Drug Discovery Conference에 참석할 때 처음으로 이 프로젝트를 제안했습니다. 나와 같은 고등학생인 Andrea와 Zach는 두 번째로 컨퍼런스에 참석했습니다. 그리고 각각 처음이에요.”

그 컨퍼런스의 라이브 비디오 방송에서 Ren Ziming은 그들이 코펜하겐 대학교 강당에서 생명 과학 분야의 기업가 및 연구원들과 교모세포종 치료 프로젝트에 대한 연구 아이디어를 공유하는 것을 보았습니다.

Ren Ziming은 다음과 같이 말했습니다. "이 게스트에는 노화 생물학 연구 분야에서 많이 인용되는 학자뿐만 아니라 제약 회사, 노화 방지 회사, AI 회사 등의 신흥 전문가도 포함됩니다. 청중의 손님들은 그들을 무시하지 않았습니다. , 하지만 Q&A에서 귀중한 의견을 많이 제시해 주셨는데요. 이런 과학적인 교류가 나중에는 인연을 맺게 되었고 이번 협력을 시작하게 되었습니다.”

암과 나이 사이에는 분명한 연관성이 있다는 것을 많은 사람들이 알고 있습니다. 그렇다면 젊은 환자와 노인 환자 사이에 다른 질병 유발 유전자가 있습니까? 이 질문을 염두에 두고 그들은 다형성 교모세포종(GBM) 연구 주제를 설정했습니다.

GBM은 원인이 알려지지 않은 흔한 신경학적 악성종양입니다. 대부분의 환자는 45세에서 75세 사이에 진단되기 때문에 연령은 의심할 여지 없이 영향을 미치는 요인 중 하나입니다.

GBM은 악성도가 높고, 빠르게 자라며, 경과가 짧으며, 상태가 악화됨에 따라 환자는 두통, 구토, 의식 장애, 언어 장애 등의 증상을 나타내게 됩니다. 대부분의 환자는 진단 후 2년 이내에 사망합니다.

이를 바탕으로 팀에서는 다음 두 가지 방향으로 연구 목표를 설정했습니다.

한편으로는 일부 약물 타겟은 노화를 촉진하고 일부 약물 타겟은 노화 방지이므로 질병과 노화 방지에 효과적인 약물 타겟을 찾아 향상된 임상 이점을 달성하기를 희망합니다.

현재 대부분의 GBM 치료 계획은 환자의 연령을 고려하지 않습니다. 노인에게 적합한 약물타겟을 발굴하고, 노인 환자의 임상적 의사결정 과정을 개선할 수 있기를 기대한다.

주제 설정 후 첫 번째 단계는 데이터 수집입니다. AI 기반 표적 발견 프로세스에서는 데이터의 양과 질이 모두 중요합니다. Insilico의 지능형 과학 연구팀의 지도하에 Ren Ziming과 그의 공동 작업자는 미국 국립 생명 공학 정보 센터와 같은 여러 공개 데이터베이스에서 RNA 서열 분석/마이크로어레이, 메틸화 및 단백질체학 데이터 등을 다루는 29가지 유형의 데이터를 수집했습니다.

데이터를 수집하면서 여러 측면에서 결과의 타당성을 검증하기 위해 다양한 분석 전략을 논의했습니다. 분석 후 생존 데이터 교차 비교, 발현 수준 차이, 노화 관련 유전 정보 등 3가지 분석 전략을 확인했다.

그런 다음 PandaOmics 인공지능 표적 식별 엔진을 사용하여 교차 비교를 통해 발견된 표적의 순위를 매기고 잠재력이 가장 높은 질병 표적의 우선순위를 지정했습니다.

(출처: 데이터 맵)

위 과정을 통해 그들은 CNGA3, GLUD1, SIRT1이라는 세 가지 잠재적인 새로운 이중 효과 치료 표적을 제안했고, 이들 표적이 뇌 교모세포종을 치료할 수 있을 뿐만 아니라 노화도 퇴치할 수 있다는 사실을 발견했습니다.

그런 다음 문헌 정보를 검토하여 이 세 가지 표적의 메커니즘을 탐색했습니다. 결과에 따르면 뇌 교모세포종 환자의 경우:

CNGA3는 연령과 유의미한 양의 상관관계가 있는 유전자 발현 수준입니다. CNGA3의 높은 발현은 GBM의 낮은 생존율과 관련이 있으며 신경계 기능에 중요한 역할을 합니다.

GLUD1은 또한 연령과 유의하게 음의 상관관계가 있으며, GLUD1의 낮은 발현은 나쁜 예후와 관련이 있습니다. GLUD1은 또한 신경 조직의 학습 및 기억 형성에도 관여합니다.

SIRT1은 노화에 대해 가장 많이 연구된 유전자 중 하나입니다. SIRT1의 소분자 활성화제는 자가포식 및 미토파지 잠재력을 유도하여 체외 및 생체 내에서 GBM을 치료할 수도 있습니다.

연구의 문헌 검색 및 비교와 관련하여 Ren Ziming은 다음과 같이 말했습니다. "우리는 잠재적인 표적 풀을 수집했습니다. 관련 문헌 및 자료의 검색 및 통합을 통해 우리는 또한 이러한 표적에 대한 정보를 더욱 철저하게 이해하게 되었습니다. 악성 신경교종과의 연관성이 있습니다.”

Ren Ziming은 다음과 같이 말했습니다. "전체 연구 과정을 통해 과학 연구의 다양성을 깨닫게 되었습니다. 악성 신경교종 약물에 대한 다른 표적을 연구한 후 우리는 완전히 다른 결론을 얻었고 우리의 결론과 일치하는 몇 가지 결론도 얻었습니다. , 생물학 탐구에 대한 관심을 불러일으켰어요.”

동시에 그는 논문 출판이 이 프로젝트의 끝이 아니라고 말했습니다. 다음 단계는 그와 그의 동료들이 표적을 확인하고, 항질병 특성과 노화 방지 특성을 확인하고, Chemistry42를 사용하여 지정된 표적에 대한 납 화합물을 생성 및 선별하여 잠재적인 혁신적인 치료법을 발견하는 것입니다. .

마지막으로 Ren Ziming은 다음과 같이 덧붙였습니다. "이 연구에서 매우 중요한 부분은 악성 신경교종 표적의 발견 및 분석에 사용할 수 있는 공개적이고 처리하기 쉬운 데이터 목록을 제공하는 PandaOmics 플랫폼이라고 생각합니다. 많은 생명정보학 지식과 실험 경험을 바탕으로 이 플랫폼을 쉽게 사용할 수 있고, 우리 고등학생이 운영하는 것도 어렵지 않습니다. ​플랫폼을 통해 더 많은 효율성과 단순성을 발견할 수 있습니다.”

참조:

1.Olsen, A., Harpaz, Z., Ren, C., Shneyderman, A., Veviorskiy, A., Dralkina, M., ... & Zhavoronkov, A. (2023). AI 지원 생물학적 표적 발견 플랫폼인 PandaOmics를 사용하여 노화 및 다형성 교모세포종과 관련된 치료 표적, 15.

위 내용은 세 명의 고등학생이 AI를 사용하여 여러 이중 효과 표적을 식별하고 악성 신경교종 치료를 위한 새로운 솔루션을 개발했습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!