Computermodelle identifizieren Pflanzenverbindungen, die Gehirnentzündungen blockieren könnten
Durch den Einsatz von maschinellem Lernen zur Analyse von Tausenden pflanzenbasierter Chemikalien identifizierten Forscher drei vielversprechende Kandidaten, die möglicherweise NLRP3, einen Protein-Komplex, der an entzündlichen Prozessen im Gehirn bei Alzheimer beteiligt ist, hemmen könnten.
Was Wurde Getan
Forscher verwendeten künstliche Intelligenz, um nahezu 8.000 Verbindungen (1.956 aktiv, 5.476 inaktiv) zu analysieren und ein Computermodell zu trainieren, um vorherzusagen, welche pflanzenbasierten Chemikalien NLRP3, einen Protein-Komplex, der Entzündungen bei Alzheimer und anderen Gehirnerkrankungen auslöst, blockieren könnten. Das leistungsfähigste Modell (Random Forest) durchsuchte dann eine Bibliothek pflanzlicher Chemikalien und identifizierte 183 vielversprechende Kandidaten.
Was Wurde Gefunden
Drei Verbindungen zeigten in Computersimulationen die stärkste Bindung an NLRP3: PubChem 348.482, ZINC14583344 und PubChem 11.027.076, mit Bindungsstärken von -10,6 bis -11,3 kcal/mol. Computervorhersagen deuten darauf hin, dass diese Verbindungen günstige, medikamentenähnliche Eigenschaften und Sicherheitsprofile aufweisen. Simulationen, die über 100 Nanosekunden dauerten, zeigten eine stabile Bindung an Schlüsselregionen des NLRP3-Proteins.
Wichtige Einschränkung
Diese Studie verwendete ausschließlich Computermodelle und Simulationen. Die drei Kandidaten wurden bisher nicht in Zellen, Tieren oder Menschen getestet. Viele Verbindungen, die in Computermodellen vielversprechend erscheinen, scheitern bei experimentellen Tests.
Was Es Bedeutet
Dies ist der allererste Schritt in der Arzneimittelentdeckung – die Identifizierung von Molekülen, die es wert sind, getestet zu werden. Selbst wenn diese Verbindungen im Labor funktionieren, dauert es typischerweise 10-15 Jahre und Hunderte Millionen Dollar, um ein neues Medikament zu entwickeln. Kein NLRP3-Hemmer hat bisher die klinische Zulassung erreicht, trotz umfangreicher Forschung.