Революция в разработке лекарств: использование машинного обучения для прогнозирования шансов одобрения препарата до клинических испытаний

В прорывном развитии, которое может изменить ландшафт открытия и разработки лекарств, исследователи из Университета науки и технологии Пханга (POSTECH) использовали возможности машинного обучения для прогнозирования шансов одобрения препарата еще до начала клинических испытаний. Их результаты, недавно опубликованные в авторитетном журнале EBioMedicine, предлагают перспективное решение одной из самых насущных проблем фармацевтической промышленности — высокой доли неудач кандидатов в лекарства на этапе клинических испытаний, несмотря на многообещающие результаты доклинических тестов.

Значимость разработки лекарств

Поиск новых фармацевтических препаратов — это не просто научное предприятие, а жизненно важная миссия, влияющая на здоровье и благополучие человечества в целом. Разработка инновационных лекарств играет ключевую роль в совершенствовании методов лечения, предотвращении заболеваний и, в конечном итоге, в улучшении качества жизни людей по всему миру. Однако трудный путь от лабораторного открытия до выхода на рынок полон препятствий и неопределенностей.

Дорогостоящие неудачи в клинических испытаниях

Одним из самых серьезных препятствий в разработке лекарств являются колоссальные экономические потери, возникающие, когда кандидат в лекарства терпит неудачу во время клинических испытаний. Эти испытания проводятся на разнообразных группах населения и предназначены для оценки безопасности и эффективности препарата в реальных условиях. Даже если препарат показал исключительные перспективы на доклинических этапах, переход к клиническим испытаниям может выявить неожиданные проблемы, приводящие к неудачам, которые обходятся фармацевтическим компаниям в миллиарды долларов.

Чтобы решить эту критическую проблему, необходимо понять, почему некоторые препараты, несмотря на успешное прохождение строгих доклинических тестов, терпят неудачу в клинических испытаниях. Кроме того, существует острая необходимость в разработке методов, способных прогнозировать шансы одобрения препарата до начала этих дорогостоящих и длительных испытаний.

Машинное обучение

На сцену выходят профессор Сангук Ким и кандидат наук Минхюк Парк, возглавляющие исследовательскую группу в Департаменте наук о жизни POSTECH. Используя возможности машинного обучения, они достигли значительных успехов в прогнозировании потенциальных результатов применения лекарств и побочных эффектов до начала клинических испытаний.

Суть их прорывного исследования заключается в решении фундаментального несоответствия в эффектах лекарств, наблюдаемого между клеточными линиями и животными (обычно используемыми в доклинических тестах) и их конечным воздействием на человека. Это несоответствие возникает из-за различий в функционировании и экспрессии генов-мишеней лекарств в клетках по сравнению с организмом человека. Игнорирование этой критической разницы может привести к серьезным и непредвиденным побочным эффектам при назначении препаратов реальным пациентам, значительно отклоняясь от многообещающих результатов, полученных в лабораторных условиях.

Преодоление разрыва

Исследователи из POSTECH решили эту проблему, сосредоточившись на различиях в эффектах лекарств между клетками и человеком. Их подход включал всесторонний анализ эффектов генетического воздействия, основанного на нокауте CRISPR-Cas9 и частоте мутаций с потерей функции, в клетках и у человека соответственно. Оценивая это несоответствие, они стремились предсказать вероятность одобрения препарата, опираясь на набор данных, включавший 1404 одобренных препарата и 1070 не одобренных.

Извлечение уроков из прошлых неудач

Чтобы дополнительно подтвердить риски, связанные с мишенями лекарств, демонстрирующими несоответствие между клетками и людьми, исследователи углубились в анализ мишеней препаратов, которые ранее терпели неудачу в клинических испытаниях или были сняты с рынка из-за проблем с безопасностью. Этот тщательный анализ предоставил важные сведения о факторах, способствующих неудачам лекарств, и позволил исследовательской команде уточнить свои прогностические модели.

Интеграция химических и генетических стратегий

Что отличает это исследование от традиционных подходов, так это интеграция как химических, так и генетических стратегий. В то время как традиционные методы в основном полагаются на химические свойства лекарства для прогнозирования его успеха, команда POSTECH признала важность генетических различий между доклиническими моделями и людьми. Гармонизируя эти два аспекта, они достигли уровня точности, ранее недостижимого в прогнозировании безопасности и успеха лекарств.

Светлое будущее разработки лекарств

Последствия этого исследования ничто иное как революционны. Способность машинного обучения с высокой степенью точности прогнозировать шансы одобрения препарата имеет потенциал изменить фармацевтическую промышленность. Предоставляя фармацевтическим компаниям инструмент для принятия более обоснованных решений о том, каких кандидатов в лекарства продвигать к клиническим испытаниям, эта технология имеет потенциал снизить риск дорогостоящих неудач и ускорить разработку безопасных и эффективных лекарств.

Этические и регуляторные соображения

Как и в случае с любой трансформирующей технологией, использование машинного обучения в разработке лекарств поднимает важные этические вопросы. Обеспечение конфиденциальности и безопасности данных пациентов, используемых в этих прогностических моделях, имеет первостепенное значение. Кроме того, регуляторные органы должны будут адаптироваться, чтобы учесть использование этих инновационных подходов в процессе одобрения лекарств, находя баланс между инновациями и безопасностью.

Работа, проведенная профессором Сангуком Кимом, Минхюком Парком и их командой в POSTECH, представляет собой значительный шаг вперед в разработке лекарств. Их интеграция машинного обучения, генетических знаний и химических свойств обещает революционизировать способ открытия и разработки фармацевтических препаратов, что в конечном итоге принесет пользу не только отрасли, но и здоровью и благополучию людей во всем мире. Путь от лабораторного открытия до клинического одобрения вскоре может стать более эффективным и предсказуемым, открывая новую эру медицинских инноваций.