Computational analysis identifies potential Alzheimer's drug repurposing candidates
Forscher verwendeten maschinelles Lernen, um RNA-Sequenzierungsdaten von Hunderttausenden von Gehirnzellen bei mehreren Alzheimer-Patienten zu analysieren und eine Liste bestehender Medikamente zu erstellen, die möglicherweise für die Behandlung umgenutzt werden könnten.
Was wurde untersucht
Wissenschaftler analysierten RNA-Sequenzierungsdaten von einzelnen Kernen aus Hunderttausenden von Gehirnzellen von mehreren Alzheimer-Patienten und Gehirnregionen. Sie verwendeten rechnerische Methoden, die als Persistente Sheaf Laplacians bezeichnet werden, um Proteininteraktionen zu untersuchen, und wandten dann maschinelles Lernen an, um vorherzusagen, welche bestehenden Medikamente möglicherweise umgenutzt werden könnten.
Was wurde gefunden
Die Analyse erzeugte eine Liste von molekularen Zielen und bestehenden pharmazeutischen Verbindungen, die möglicherweise für die Alzheimer-Therapie umgenutzt werden könnten. Die Forscher bewerteten auch, ob diese Kandidaten Eigenschaften besitzen, die es ihnen ermöglichen, ins Gehirn zu gelangen.
Was es bedeutet
Dieser Ansatz hilft, Forschungsrichtungen zu identifizieren, indem er auf bestehende zugelassene Medikamente hinweist, die gegen Alzheimer wirken könnten. Diese sind jedoch rechnerische Vorhersagen, die umfangreiche Labor- und klinische Tests benötigen, bevor sie für die Anwendung bei Patienten in Betracht gezogen werden.
Wichtige Einschränkungen
Dies ist rein rechnerisch, da Daten mit mathematischen Modellen und maschinellem Lernen analysiert werden. Die Zusammenfassung erwähnt keine experimentelle Validierung in Zellen, Tieren oder Menschen. Die meisten rechnerischen Vorhersagen erweisen sich als nicht effektiv, wenn sie in lebenden Systemen getestet werden.