革命性的药物研发：机器学习模型识别潜在的延缓衰老化合物，为未来复杂疾病治疗铺平道路
衰老和其他疾病，如癌症、2型糖尿病、骨关节炎和病毒感染，都涉及到细胞衰老作为应激反应。有针对性地清除老化细胞正在变得越来越流行，尽管很少有抗衰老剂是已知的，因为它们的分子靶点需要更好地理解。在这里，科学家们使用相对廉价的机器学习算法，完全使用以前发表的数据进行教育，描述了发现三种抗衰老剂的情况。在经历不同类型衰老的人类细胞系中，他们使用多个化学库的计算筛选，确认了银杏素、山风子甙和夹竹桃素的抗衰老作用。这些化学物质与已经建立的分析方法一样有效，证明夹竹桃素对其靶点的作用比当前的黄金标准更有效。该方法将药物筛选费用降低了数百倍，显示出人工智能可以充分利用有限和多样化的药物筛选数据。这为药物发现的早期阶段开辟了新的数据驱动方法。
尽管抗衰老剂在缓解小鼠多种疾病症状方面显示出了相当大的潜力，但它们的消除也与几个负面结果相关，包括影响创伤愈合和肝功能等过程。尽管有着很好的结果，只有两种药物在临床研究中显示出其抗衰老作用的功效。
过去已经开发了一些很好的分析，但它们通常对健康细胞有害。现在，苏格兰爱丁堡大学的研究人员开发了一种新方法，以识别可以消除这些有缺陷的细胞而不损害健康细胞的化学化合物。
他们构建了一个机器学习模型，以识别具有抗衰老特性的化合物，并教会它如何做。来自两个现有化学库的化学物质被合并到用于训练模型的数据中，这些化学库包括广泛的FDA批准或临床阶段的化学物质，并从各种来源（如学术文章和商业专利）中使用数据进行了训练。为了避免对机器学习系统进行偏见，数据集包括2,523种具有抗衰老和非抗衰老特性的物质。将算法应用于超过4,000种化合物的数据库后，发现了21个有前途的候选物。
通过测试，发现三种化合物银杏素、山风子甙和夹竹桃素可以消除衰老细胞而不影响健康细胞，因此它们是良好的候选物。结果显示夹竹桃素是其中最有效的。这三种物质都是中药的常见成分。
夹竹桃植物(Nerium oleander)是夹竹桃素的来源物质，具有与心脏药物地高辛相似的效果，用于治疗心力衰竭和某些不规则心律（心律失常）。夹竹桃素具有抗癌、抗炎、抗HIV、抗菌和抗氧化作用。夹竹桃素在人类中的治疗窗口很小，因为在治疗水平上它的毒性非常高，因此将其作为食品添加剂或药物销售或使用都是非法的。
与夹竹桃素一样，LinkedIn已被证明在抗癌、抗炎、抗微生物和神经系统方面具有益处，具有抗氧化和神经保护特性。银杏(Ginkgo biloba)树是最古老的生存树种，其叶子和种子已经在中国的中药中使用了数千年。这棵树是LinkedIn的来源。该树的干燥叶子被用来制作不需要处方的银杏叶提取物。它是美国和欧洲畅销的草药补品。
研究作者表示，他们的结果显示，这些化学物质与早期研究中发现的抗衰老剂一样有效，如果不更好。他们声称，他们基于机器学习的方法非常有效，可以将需要筛选的化合物数量减少200倍以上。
该团队认为，他们基于人工智能的策略是发现有效治疗严重疾病的重要一步。该技术中的几个新颖特点使其与制药业中的标准人工智能使用不同。
- 首先，它不需要额外的资金用于内部实验性特征化训练化合物，因为它只使用已发布的数据进行模型训练。
- 其次，抗衰老作用是一种罕见的分子特性，在文献中报告的抗衰老剂很少，因此机器学习模型的训练集比该领域通常考虑的数据集小得多。该方法的有效性表明，即使这种材料常常比预期的更多样化和范围有限，机器学习也可以充分利用文献数据。
- 第三，靶标非特异性模型训练使用了药理活性的表型指标。许多疾病会造成重大的经济和社会负担，但对于这些疾病，往往很少或没有已知的靶标。对于这些疾病，表型药物发现提供了一个扩展可以通过发现管道推进的化学起始点数量的机会。
