В онлайн-выпуске журнала Nature Communications от 12 июля 2021 года исследователи из Медицинской школы Сан-Диего Калифорнийского университета описывают новый подход, который использует машинное обучение для поиска целей по заболеваниям, а затем предсказывает, получит ли лекарство одобрение FDA.
Результаты исследования могут заметно изменить то, как исследователи анализируют большие данные, чтобы найти значимую информацию, которая принесет значительную пользу пациентам, фармацевтической промышленности и национальным системам здравоохранения.
"Академические лаборатории, фармацевтические и биотехнологические компании имеют доступ к неограниченному количеству «больших данных» и более совершенным инструментам, чем когда-либо, для анализа таких данных. Однако, несмотря на эти невероятные достижения в области технологий, показатели успеха в открытии новых лекарств сегодня ниже, чем в 1970-х годах," сказал Прадипта Гош, доктор медицины, старший автор исследования и профессор кафедры медицины, клеточной и молекулярной медицины Медицинской школы Калифорнийского университета в Сан-Диего.
"В основном это связано с тем, что препараты, которые идеально работают в доклинических инбредных моделях, например, лабораторные мыши, которые генетически или иным образом идентичны друг другу, не передаются пациентам в клинике, где каждый человек и его болезнь уникальны. Именно эта изменчивость в клинике считается ахиллесовой пятой для любой программы открытия лекарств."
В новом исследовании Гош и его коллеги заменили первый и последний этапы доклинического открытия лекарств двумя новыми подходами, разработанными в Институте сетевой медицины Калифорнийского университета в Сан-Диего (iNetMed), который объединяет несколько исследовательских дисциплин для разработки новых решений для развития наук о жизни и технологии и улучшить здоровье человека.
Исследователи использовали модель заболевания для воспалительного заболевания кишечника (ВЗК), которое представляет собой сложное, многогранное, рецидивирующее аутоиммунное заболевание, характеризующееся воспалением слизистой оболочки кишечника. Поскольку это поражает людей всех возрастов и снижает качество жизни пациентов, ВЗК является приоритетной областью болезни для открытия новых лекарств и представляет собой сложное состояние для лечения, поскольку нет двух пациентов, которые ведут себя одинаково.
На первом этапе, называемом идентификацией цели, использовалась методология искусственного интеллекта (AI), разработанная Центром сети точных вычислительных систем (PreCSN), вычислительным подразделением iNetMed. Подход AI помогает моделировать заболевание, используя карту последовательных изменений экспрессии генов в начале и во время прогрессирования заболевания. Что отличает это отображение от других существующих моделей, так это использование математической точности для распознавания и извлечения всех возможных фундаментальных правил паттернов экспрессии генов, многие из которых игнорируются текущими методологиями.
Базовые алгоритмы гарантируют, что идентифицированные паттерны экспрессии генов являются «инвариантными» независимо от различных когорт заболеваний. Другими словами, PreCSN строит карту, которая извлекает информацию, которая применима ко всем пациентам с ВЗК.
"В прямых сравнениях мы продемонстрировали превосходство этого подхода над существующими методологиями для точного прогнозирования «победителей» и «проигравших» в клинических испытаниях," сказал Гош.
Последний этап, называемый целевой валидацией в доклинических моделях, был проведен на первой в своем роде фазе "0" клиническое испытание с использованием живого биобанка органоидов, созданного у пациентов с ВЗК, в Центре передовых исследований HUMANOID (CoRE), переводческом подразделении iNetMed.
Фаза "0" подход включает тестирование эффективности лекарств, выявленных с помощью модели ИИ, на моделях органоидов болезней человека – культивируемых человеческих клетках в трехмерной среде, которые имитируют болезни вне тела. В этом случае кишечник в блюде, пораженный ВЗК.
"Концепция исследования «фазы 0» была разработана, потому что большинство лекарств терпят неудачу где-то между фазами I и III. Перед тем, как перейти к пациентам в клинике, «фаза 0» проверяет эффективность на моделях заболеваний человека, когда неэффективные соединения могут быть отвергнуты на ранней стадии процесса, что позволяет сэкономить миллионы долларов," сказал Сумита Дас, доктор философии.D., соавтор исследования, директор ГУМАНОИДНОГО центра и доцент кафедры патологии Медицинской школы Калифорнийского университета в Сан-Диего.
Биопсийные ткани для исследования были взяты во время процедур колоноскопии с участием пациентов с ВЗК. Эти биопсии использовались в качестве источника стволовых клеток для выращивания органоидов.
"Было два главных сюрприза. Во-первых, мы увидели, что, несмотря на то, что они находились вдали от иммунных клеток в стенке кишечника и триллионов микробов, находящихся в слизистой оболочке кишечника, эти органоиды от пациентов с ВЗК демонстрировали характерные черты дырявого кишечника со сломанными границами клеток," сказал Дас.
"Во-вторых, лекарство, идентифицированное моделью AI, не только восстанавливало сломанные барьеры, но и защищало их от нападения патогенных бактерий, которые мы добавили в модель кишечника. Эти результаты предполагают, что препарат может работать как при острых обострениях, так и в качестве поддерживающей терапии для предотвращения таких обострений."
Исследователи обнаружили, что вычислительный подход имел удивительно высокий уровень точности для различных групп пациентов с ВЗК, и вместе с фазой "0" подход, они разработали первую в своем классе терапию для восстановления и защиты барьера проницаемой кишки при ВЗК.
"Наше исследование показывает, как вероятность успеха клинических испытаний фазы III для любой цели может быть определена с математической точностью," сказал Дебашис Саху, доктор философии.D., соавтор исследования, который возглавляет PreCSN и является доцентом кафедры педиатрии и информатики в Медицинской школе Калифорнийского университета в Сан-Диего и Калифорнийском университете в Сан-Диего.
"Наш подход может обеспечить прогнозную мощность, которая поможет нам понять, как прогрессируют заболевания, оценить потенциальные преимущества препарата и выработать стратегию использования комбинации методов лечения, когда текущее лечение не дает результатов," Sahoo сказал.
Авторы сказали, что следующие шаги включают тестирование, если препарат, прошедший человеческую фазу "0" проба в блюде может пройти III фазу испытаний в клинике; и можно ли использовать одни и те же методики с другими заболеваниями, от различных видов рака и болезни Альцгеймера до неалкогольной жировой болезни печени.
"Наш проект может изменить статус-кво и предоставить более качественные лекарства от хронических заболеваний, для которых еще не существует хороших терапевтических решений," сказал Гош.