目前迫切需要治療阿爾茨海默病的新療法,但實驗性藥物的大量臨床試驗都未能產(chǎn)生有希望的結(jié)果。

《EurekAlert!》官網(wǎng)3月4日消息

現(xiàn)在,麻省總醫(yī)院(Massachusetts General Hospital ,MGH)和哈佛醫(yī)學(xué)院(Harvard Medical School ,HMS)的一個團(tuán)隊開發(fā)了一種基于人工智能的方法,來篩選目前可用的藥物,作為阿爾茨海默病的可能治療方法。

該方法是一種快速、廉價的方法,可以將現(xiàn)有的治療方法轉(zhuǎn)化為新的治療方法,用于治療這種不斷惡化的神經(jīng)退行性疾病。重要的是,通過指出藥物作用機(jī)制,它還可以幫助揭示新的、未探索的治療靶點(diǎn)。

“重新調(diào)整FDA批準(zhǔn)的阿爾茨海默病藥物的用途是一個有吸引力的想法,可以幫助加速有效治療的到來,但不幸的是,即使對于先前批準(zhǔn)的藥物,臨床試驗也需要大量資源,從而無法評估阿爾茨海默病患者的每種藥物,” HMS系統(tǒng)藥理學(xué)實驗室信息學(xué)和建模主任Artem Sokolov博士解釋說,“因此,我們建立了一個優(yōu)先考慮藥物的框架,幫助臨床研究關(guān)注最有希望的藥物�！�

發(fā)表在《自然-通訊》(Nature Communications)雜志的這篇論文中,Sokolov和他的同事們描述了他們名為“阿爾茨海默病藥物再利用”(Drug Repurposing In Alzheimer's Disease,DRIAD)的框架,該框架依賴于機(jī)器學(xué)習(xí)——人工智能的一個分支,系統(tǒng)在大數(shù)據(jù)上“訓(xùn)練”,“學(xué)習(xí)”以識別警示模式,增強(qiáng)研究人員和臨床醫(yī)生的決策能力。

研究于2021年2月15日發(fā)表在《Nature Communications》(最新影響因子:12．121)雜志上

DRIAD的工作原理是測量藥物治療后人類大腦神經(jīng)細(xì)胞發(fā)生的變化。然后,該方法確定藥物引起的變化是否與疾病嚴(yán)重程度的分子標(biāo)志物相關(guān)。

這種方法也使研究人員能夠識別出對腦細(xì)胞有保護(hù)作用和損害作用的藥物。

“我們還估算了這種相關(guān)性的方向性,幫助識別和過濾加速而不是阻止神經(jīng)元死亡的神經(jīng)毒性藥物,”共同第一作者Steve Rodriguez博士說,他是MGH神經(jīng)病學(xué)系的研究員,也是HMS的講師。

DRIAD還允許研究人員檢查哪些蛋白質(zhì)是最有希望的藥物的靶點(diǎn),以及靶點(diǎn)之間是否有共同的趨勢,該方法由系統(tǒng)藥理學(xué)實驗室的研究助理和共同第一作者Clemens Hug博士設(shè)計。

該研究小組將這種篩選方法應(yīng)用于80種用于多種疾病經(jīng)FDA批準(zhǔn)和臨床測試的藥物。分析得出了一份候選藥物名單,其中幾種用于治療類風(fēng)濕關(guān)節(jié)炎和血癌的抗炎藥物是最熱門的候選藥物。這些藥物屬于一類被稱為Janus激酶抑制劑的藥物。這些藥物通過阻斷引發(fā)炎癥的Janus激酶蛋白的作用而起作用。Janus激酶蛋白被懷疑在阿爾茨海默病中發(fā)揮作用,并在自身免疫性疾病中發(fā)揮作用。研究小組的分析也指出了其他有待進(jìn)一步研究的潛在治療靶點(diǎn)。

Frank Wilkins Jr．和家庭捐贈學(xué)者,MGH的麻省阿爾茨海默病治療科學(xué)中心副主任,HMS的系統(tǒng)藥理學(xué)實驗室的醫(yī)學(xué)博士Mark Albers說:“我們很高興與學(xué)術(shù)界和制藥研究界分享這些結(jié)果。我們希望,其他研究人員的進(jìn)一步驗證將完善這些藥物在臨床研究中的優(yōu)先次序。”其中一種藥物,baricitinib,將由Albers在一項針對主觀認(rèn)知障礙抱怨(subjective cognitive complaints,SCC),輕度認(rèn)知障礙(MCI)和阿爾茨海默病的臨床試驗中進(jìn)行研究,該藥物即將在波士頓的MGH和佛羅里達(dá)州勞德代爾堡的Holy Cross Health上市。Albers說:“此外,對指定藥物靶點(diǎn)的獨(dú)立驗證可以為阿爾茨海默病的發(fā)病機(jī)理提供新的見解,并導(dǎo)致新的療法。”

參考文獻(xiàn)

Source:Massachusetts General Hospital

Artificial intelligence reveals current drugs that may help combat Alzheimer's disease

Reference:

Rodriguez, S．, Hug, C．, Todorov, P． et al． Machine learning identifies candidates for drug repurposing in Alzheimer’s disease． Nat Commun 12, 1033 (2021)．

免責(zé)聲明

本公眾號上的醫(yī)療信息僅作為信息資源提供與分享,不用于或依賴于任何診斷或治療目的。此信息不應(yīng)替代專業(yè)診斷或治療。在做出任何醫(yī)療決定或有關(guān)特定醫(yī)療狀況的指導(dǎo)之前,請咨詢你的醫(yī)生。