Do 50% proteina koji signaliziraju rak za koje se nekada verovalo da su imuni na tretmane lekovima zbog nedostatka ciljanih proteinskih regiona može se zapravo lečiti, prema novoj studiji sa Medicinskog fakulteta Perelman na Univerzitetu u Pensilvaniji. Nalazi, objavljeni ovog meseca u Nature Communications, sugerišu da mogu postojati nove mogućnosti za lečenje raka novim ili postojećim lekovima.
Istraživači, kliničari i farmakolozi koji žele da identifikuju nove načine lečenja medicinskih stanja — od raka do autoimunih bolesti — često se fokusiraju na proteinske džepove, oblasti unutar proteinskih struktura za koje se određeni proteini ili molekuli mogu vezati. Dok se neki džepovi lako mogu identifikovati unutar strukture proteina, drugi nisu. Ti skriveni džepovi, koji se nazivaju kriptični džepovi, mogu pružiti nove mogućnosti za vezivanje droga. Što više džepova naučnici i kliničari imaju za cilj sa lekovima, to imaju više mogućnosti da kontrolišu bolest.
Istraživački tim je identifikovao nove džepove koristeći neuralnu mrežu koju je dizajnirao Penn, nazvanu PocketMiner, koja je veštačka inteligencija koja predviđa gde će se kriptični džepovi verovatno formirati iz jedne strukture proteina i uči od sebe. Koristeći PocketMiner—koji je obučen na simulacijama na najvećem svetskom superkompjuteru—istraživači su simulirali pojedinačne strukture proteina i uspešno predvideli lokacije kriptičnih džepova u 35 proteinskih struktura povezanih sa rakom u hiljadama delova tela. Ove nekada skrivene mete, sada identifikovane, otvaraju nove pristupe za potencijalno lečenje postojećeg raka.
Štaviše, dok su uspešno predviđali kriptične džepove, metod koji su naučnici koristili u ovoj studiji bio je mnogo brži od prethodnih metoda simulacije ili mašinskog učenja. Mreža omogućava istraživačima da skoro trenutno odluče da li će protein verovatno imati zagonetne džepove pre nego što ulože u skuplje simulacije ili eksperimente kako bi dalje tragali za predviđenim džepom.
„Više od polovine ljudskih proteina se smatra nelekovitim zbog očiglednog nedostatka vezujućih proteina na snimcima koje imamo“, rekao je dr Gregori R. Bouman, profesor biohemije i biofizike i bioinženjeringa u Pennu i glavni autor studija. „Ovo PocketMiner istraživanje i druga istraživanja poput njega ne samo da predviđaju džepove koji se mogu podesiti u kritičnim proteinskim strukturama povezanim sa rakom, već sugerišu i da većina ljudskih proteina takođe ima džepove koji se mogu lečiti. To je otkriće koje pruža nadu onima sa trenutno neizlečivim bolestima.“
Na kraju eksperimenata tima, neuronska mreža je identifikovala verovatne zagonetne džepove u 50% testiranih proteinskih struktura za koje se ranije smatralo da se ne mogu drogirati i da ne sadrže džepove. To može značiti da se mnogi karcinomi koji se nekada smatrali nelečivim lekovima mogu efikasno lečiti.
U svom radu, istraživači su istakli dve ključne strukture proteina, unutar puteva signalizacije raka, gde verovatno postoje zagonetni džepovi, za koje kažu da treba slediti prilikom dizajniranja novih lekova. Prvi, VNT2 protein u Jak/Stat putu je sastavni deo signalizacije raka kod mnogih solidnih tumora. Drugi je PIM2, poseban enzim koji je uključen kao pokretač nekoliko vrsta raka, uključujući rak pluća, prostate i dojke, kao i leukemiju i mijelom.
Ova vrsta istraživanja je moguća u Penn-u zahvaljujući Folding@home, distribuiranoj računarskoj mreži kojom upravlja Bovman, gde laici volonteri, bez potrebe za kompjuterskim ili akademskim znanjem, dozvoljavaju da se njihov računar koristi za sprovođenje eksperimenata i simulacija. Ovo dovodi do više podataka i bržih proračuna nego što bi bilo koji superkompjuter mogao da proizvede. Zahvaljujući distribuiranoj računarskoj mreži i PocketMiner neuronskoj mreži, stopa uspeha i ukupna brzina u identifikaciji potencijalnih kriptičnih džepova bila je otprilike milion puta brža od drugih metoda predviđanja koje se koriste za pronalaženje potencijalnih kriptičnih džepova.
„Folding@home i ova studija naglašavaju važnost računara u biohemiji i biofizici. Računari neće uskoro zameniti laboratoriju“, rekao je Bovman. „Ali prvo korišćenjem računara i inovativnog softvera i koda, istraživači mogu da sprovedu jače istraživanje i da naprave bolje hipoteze.“
