Исследователи из Стэнфордского университета применили алгоритмы машинного обучения для поиска молекул, способных имитировать действие популярных препаратов для снижения веса, таких как семаглутид. ИИ-модели проанализировали огромные библиотеки природных соединений, выявив кандидатов, которые активируют рецепторы GLP-1, но при этом лишены распространенных побочных эффектов, характерных для существующих синтетических аналогов.
Процесс разработки лекарств традиционными методами требует десятилетий лабораторных испытаний и миллиардных инвестиций. Использование ИИ позволило сократить этап первичного скрининга с нескольких лет до нескольких недель. Алгоритмы предсказывали не только эффективность связывания молекул с целевыми рецепторами, но и их потенциальную токсичность, что позволило отсеять неперспективные варианты еще до начала физических экспериментов.
Данный подход открывает новые возможности для фармацевтической индустрии в создании персонализированных и безопасных препаратов. Успех исследования подтверждает эффективность интеграции вычислительных методов в биомедицинские разработки, где ИИ выступает инструментом для ускорения поиска терапевтических решений в сложных биологических системах.
Ключевые факты
- Ученые использовали ИИ для анализа библиотек природных соединений, имитирующих действие семаглутида.
- Новые молекулы-кандидаты нацелены на рецепторы GLP-1, что способствует контролю аппетита и метаболизма.
- Использование алгоритмов сократило время первичного скрининга соединений с нескольких лет до нескольких недель.
- Исследование сфокусировано на минимизации побочных эффектов, таких как тошнота и желудочно-кишечные расстройства, свойственных текущим препаратам.