A glukagonszerű peptid-1 (GLP-1) receptor agonisták, mint például a szemaglutid és a tirzepatid, rendkívül hatékonyan segítik az embereket a fogyásban. Azáltal, hogy utánozzák a GLP-1 nevű hormon működését, és a sejtekben a GLP-1 receptorhoz kötődnek és aktiválják, csökkentik az étvágyat és az éhségérzetet, lassítják a táplálék felszabadulását a gyomorból, és fokozzák a teltségérzet evés után.
Szükség van azonban alternatívákra, mondja Elena Murcia, a Murciai Katolikus Egyetem (UCAM) Strukturális Bioinformatikai és Nagyteljesítményű Számítástechnikai Kutatócsoportjának (BIO-HPC) és étkezési zavarokkal foglalkozó kutatócsoportjának munkatársa.
Bár a jelenlegi GLP{0}} agonisták hatékonyságát igazolták, használatuknak van néhány mellékhatása – gyomor-bélrendszeri problémák, például hányinger, hányás és mentális egészségügyi változások, például szorongás és ingerlékenység. A legújabb adatok azt is megerősítették, hogy amikor a betegek abbahagyják a kezelést, visszanyerték a súlyukat.
Ezenkívül a legtöbb GLP{0}} agonista peptid – rövid aminosavláncok, amelyeket a gyomorenzimek le tudnak bontani –, ezért jelenleg nagyobb valószínűséggel injekciózzák őket, mint orálisan.
Azoknak a gyógyszereknek, amelyek nem peptidek, kevesebb mellékhatásuk van, és könnyebben beadhatók, m
Ezért inkább tablettaként, semmint injekcióként adható be. Más közelmúltbeli kutatások két ígéretes, nem peptid vegyületet emeltek ki, a TTOAD2-t és az orforglipront.
Ezek szintetikusak, és természetes alternatívákat kerestünk."
Elena Murcia, a Murciai Katolikus Egyetem strukturális bioinformatikai és nagyteljesítményű számítástechnikai kutatócsoportjának (BIO-HPC) és étkezési zavarokkal foglalkozó kutatócsoportjának munkatársa
Murcia asszony és munkatársai nagy teljesítményű mesterséges intelligencia (AI) technikákat használtak a GLP-1 receptort aktiváló, nem peptid jellegű természetes vegyületek azonosítására.
"A növényi kivonatokra és más természetes vegyületekre összpontosítottunk, mert ezeknek kevesebb mellékhatásuk lehet" - mondja Murcia asszony.
A virtuális szűrést több mint 10,000 vegyület átszűrésére használták, hogy azonosítsák azokat, amelyek a GLP-1 receptorhoz kötődtek.
Ezután további mesterséges intelligencia-alapú módszereket alkalmaztak annak megvizsgálására, hogy ezek a kötések mennyire hasonlítanak a GLP{1}} hormon és receptora között létrejövő kötésekhez. A 100 leghasonlóbban kötődő vegyületet ezután további vizuális elemzésre választották ki, hogy megállapítsák, kölcsönhatásba lépnek-e a receptor kulcsfontosságú maradékaival – aminosavakkal.
Végül egy Venn-diagramot (egy átfedő köröket használó matematikai grafikont) állítottunk össze, hogy azonosítsuk azokat a vegyületeket, amelyek GLP{0}}R agonistaként a legnagyobb potenciállal rendelkeznek.
Ez egy 65 vegyületből álló listát eredményezett, amelyek közül kettő, az "A vegyület" és a "B vegyület" erősen kötődött a kulcsmaradékokhoz, hasonló módon, mint a TTOAD2 és az orforglipron.
Az A és B vegyület nagyon gyakori növényekből származik, amelyek kivonatait korábban az emberi anyagcserére gyakorolt jótékony hatásokkal hozták összefüggésbe. A növényekre és a vegyületekre vonatkozó további részleteket a szabadalmak megadásáig bizalmasan kezelik. Remélhetőleg mindkettőt tabletta formájában is be lehet adni. A két vegyületet jelenleg laboratóriumi vizsgálatoknak vetik alá.
Murcia asszony így nyilatkozott: "A természetes forrásokból származó új GLP{0}} agonisták fejlesztésének korai szakaszában vagyunk. Ha mesterséges intelligencia-alapú számításaink in vitro, majd klinikai vizsgálatok során is beigazolódnak, más terápiás lehetőségek állnak majd rendelkezésünkre az elhízás kezelésére. .
„A miénkhez hasonló számítógép-alapú vizsgálatoknak kulcsfontosságú előnyei vannak, mint például a költségek és az idő csökkenése, a nagy adathalmazok gyors elemzése, a kísérleti tervezés rugalmassága, valamint az etikai és biztonsági kockázatok azonosításának és mérséklésének képessége a laboratóriumi kísérletek elvégzése előtt.
"Ezek a szimulációk azt is lehetővé teszik számunkra, hogy kihasználjuk a mesterséges intelligencia erőforrásait összetett problémák elemzésére, és így értékes kezdeti perspektívát nyújtanak az új gyógyszerek keresésében."