Udar niedokrwienny pozostaje jedną z głównych przyczyn zgonów i długotrwałej niepełnosprawności na świecie. Obecne metody leczenia, takie jak tromboliza (rozpuszczanie zakrzepu) i mechaniczna trombektomia pozwalają przywrócić przepływ krwi w mózgu, jednak ich zastosowanie jest ograniczone przez wąskie okno terapeutyczne, rygorystyczne kryteria kwalifikacji pacjentów oraz ryzyko krwawień.

Opracowywanie leków na udar jest szczególnie trudne, ponieważ uszkodzenie niedokrwienne wiąże się z szeregiem powiązanych ze sobą procesów, takich jak stres oksydacyjny, stan zapalny, dysfunkcja mitochondriów, śmierć neuronów i uszkodzenie naczyń.

Konwencjonalne metody badań przesiewowych są często zbyt powolne i zbyt wąsko ukierunkowane, by sprostać tej złożoności. Dlatego konieczne jest zintegrowane podejście, pozwalające na szybką identyfikację dostępnych klinicznie związków, które mogą oddziaływać na wiele szlaków związanych z udarem, a jednocześnie wyjaśnić mechanizmy ich działania i wskazać cechy chemiczne możliwe do optymalizacji.

Zespół Guangji Wanga i Xinuo Li z China Pharmaceutical University (Chiny) opracował system zintegrowany ze sztuczną inteligencją, łączący uczenie maszynowe oparte na analizie szlaków biologicznych, predykcję transkryptomiczną oraz analizę farmakoforową w celu szybkiej identyfikacji i optymalizacji kandydatów na leki przeciw udarowi niedokrwiennemu. System wskazał kannabidiol (CBD) jako obiecujący związek do potencjalnego nowego zastosowania terapeutycznego. CBD to pozyskiwany z konopi związek chemiczny z grupy kannabinoidów, który nie wykazuje działania psychoaktywnego.

Badania eksperymentalne wykazały, że CBD ogranicza uszkodzenia mózgu spowodowane niedokrwieniem, przywraca mechanizmy obrony antyoksydacyjnej i wspomaga regenerację naczyń krwionośnych poprzez szlak sygnałowy NRF2/BMAL1. Opracowane rozwiązanie może skrócić wczesny etap odkrywania leków dzięki jednoczesnej identyfikacji obiecujących związków, przewidywaniu ich mechanizmów działania i wskazywaniu cech strukturalnych istotnych dla optymalizacji chemicznej.

Naukowcy wykorzystali dostępne dane dotyczące między innymi szlaków metabolicznych, sygnalizacji zapalnej czy dostępnych leków, aby umożliwić sieci neuronowej przewidywanie zmiany ekspresji 978 genów wywołane lekami. Wraz z danymi dotyczącymi zachowania komórek po udarze pozwoliło to wyłonić potencjalnie przydatne substancje. Po dalszych analizach najbardziej obiecujący okazał się CBD.

Badanie nie tylko przedstawia znany od dawna związek jakim jest CBD jako kandydata do nowego zastosowania. Pokazuje też, jak sztuczna inteligencja może połączyć selekcję kandydatów z walidacją mechanistyczną, oceną dostarczania leku i optymalizacją sterowaną farmakoforem.

Przed wdrożeniem klinicznym konieczne będzie wykorzystanie niezależnych zbiorów danych, eksperymenty na samicach, pełniejsze badania zależności dawka-odpowiedź oraz bezpośrednie testy pochodnych CBD. Niemniej jednak, zdaniem autorów, ramy te stanowią obiecującą mapę drogową dla przyspieszenia odkrywania leków w leczeniu udaru i innych chorób wieloczynnikowych.

Paweł Wernicki (PAP)

pmw/ agt/