# AI platforma GPS pro predikci genové exprese z molekulárních struktur
Vědci z Michigan State University vytvořili platformu GPS (Gene expression profile Predictor on chemical Structures), která analyzuje strukturu chemických sloučenin a predikuje jejich vliv na expresi genů. Model pracuje výhradně s molekulárními vzorci, bez laboratorních testů. Naučená na milionech experimentálních dat, GPS řeší úlohu klasifikace: zvýšení nebo snížení aktivity genu pro každou sloučeninu. To umožňuje provádět virtuální screening kandidátů na léky.
Platforma již identifikovala slibné látky pro hepatocelulární karcinom (HCC) — rakovinu jater s vysokou mortalitou — a idiopatickou plicní fibrózu (IPF), kde je mediána přežití tři roky. Výsledky byly potvrzeny testy in vivo a ex vivo a publikovány v časopise Cell.
Architektura a trénink GPS
GPS se trénuje na rozsáhlém datové sadě experimentálních měření genové exprese. Klíčovou výzvou je šum v biologických datech. Jak poznamenává spoluautor Jiayu Zhou, model se zaměřuje na silné signály a ignoruje slabý šum. To je dosaženo pomocí robustních technik učení, kde je struktura molekuly (SMILES nebo grafové reprezentace) podána přímo na vstup.
Proces:
- Vstupní data: Molekulární struktura (vzorec, graf).
- Zpracování: Kódování do vektorových reprezentací (např. prostřednictvím graph neural networks).
- Výstup: Vektor predikcí exprese pro tisíce genů (up/down regulation).
- Trénink: Multi-task klasifikace na milionech párů (sloučenina — gen).
Model nevyžaduje předchozí experimenty, což urychluje fázi objevování v drug development.
Aplikace na hepatocelulární karcinom
Pro HCC — třetí nejsmrtelnější formu rakoviny — GPS vybrala dvě nové sloučeniny. Testování na modelech myší ukázalo snížení nádorové hmoty. Sloučeniny modulují klíčové geny spojené s proliferací hepatocytů a angiogenezí. Jedná se o první krok k kandidátům, ale je potřeba další optimalizace pro specificitu a biologickou dostupnost.
Výsledky u idiopatické plicní fibrózy
IPF je progresivní onemocnění s nízkou přežitností. GPS identifikovala:
- Jedno přeprofilované léčivo (repurposing z existujících).
- Dvě nové sloučeniny.
Validace proběhla na myších a explantech lidského plicního tkáně od Corewell Health. Sloučeniny potlačují fibrózní dráhy (TGF-β signaling) a snižují depozici kolagenu. Hlavní autor Xiaopeng Li zdůrazňuje systémový přístup AI, který kontrastuje s tradičními neúspěchy za 20 let.
Otevřený kód a perspektivy
Tým z MSU, Stanfordu a Michigan State University zveřejnil zdrojový kód GPS. Platforma je použitelná pro screening libovolných sloučenin proti targetům v onkologii, fibróze a dalších oblastech. Podpora od NIH a NSF.
Edmund Ellsworth, ředitel Centra lékařské chemie MSU, varuje: od hitů k approved drugs — roky optimalizace, preclinical a clinical trials. Vývoj je iterativní proces s multidisciplinárními týmy (>20 specialistů v projektu).
Co je důležité:
- GPS predikuje genovou expresi výhradně ze struktury, bez wet lab.
- Potvrzené hity pro HCC (nádor ↓ u myší) a IPF (ex vivo human tissue).
- Otevřený kód pro community-driven screening.
- Škálovatelné na jiné diseases.
- Odolnost vůči šumu jako klíč k accuracy na noisy bio-data.
Platforma mění paradigm v computational drug discovery s důrazem na prediction-driven hits.
— Editorial Team
Zatím žádné komentáře.