新薬の発見（「創薬」と呼ばれる）は高価で時間のかかる作業だ。しかし、機械学習と呼ばれる人工知能の一種は、このプロセスを大幅に加速させ、わずかな費用で仕事をこなすことができる。
私の同僚と私は最近、この技術を使って、老化を遅らせ、老化に関連する病気を予防する薬である老化細胞除去薬の有望な候補を3つ見つけた。
老化細胞除去薬は、老化細胞を殺すことによって作用する。この細胞は「生きている」（代謝が活発）が、もはや複製することができない細胞であり、それゆえゾンビ細胞というニックネームがある。
複製不能は必ずしも悪いことではない。これらの細胞はDNAにダメージを受けている（例えば、太陽光線によってダメージを受けた皮膚細胞など）。
しかし、老化細胞は必ずしも良いことばかりではない。老化細胞は炎症性タンパク質のカクテルを分泌し、隣接する細胞に広がる可能性がある。紫外線や化学物質への暴露など、私たちの細胞は一生のうちに様々な攻撃を受ける。老化細胞の増加は、2型糖尿病、COVID、肺線維症、変形性関節症、がんなど、さまざまな病気に関与している。
実験用マウスを使った研究では、老化細胞を除去することで、これらの病気を改善できることが示されている。これらの薬剤は、健康な細胞を生かしながらゾンビ細胞を殺すことができるのだ。
約80種類の老化防止剤が知られているが、ヒトで試験されたのはダサチニブとケルセチンの組み合わせの2種類だけである。さまざまな病気に使える老化細胞除去薬がもっと見つかればいいのだが、薬剤が市場に出るまでには10年から20年の歳月と数十億ドルの費用がかかる。
“分”で結果が出る
エジンバラ大学とスペインのサンタンデールにあるスペイン国立研究評議会IBBTEC-CSICの研究者を含む私の同僚と私は、機械学習モデルを訓練して、新しい老人溶解薬の候補を特定できるかどうかを知りたかった。
そのために、AIモデルに既知の抗老化薬と非抗老化薬の例を与えた。このモデルは、両者を区別することを学習し、これまで見たことのない分子もまた抗老化薬になりうるかどうかを予測するのに使用することができた。
機械学習の問題を解決する場合、通常はまずさまざまなモデルでデータをテストする。最も性能の良いモデルを決定するために、プロセスの最初に、利用可能な学習データの一部を分離し、学習プロセスが完了するまでモデルから隠しておく。そして、このテストデータを使って、モデルのエラー数を定量化する。最もエラーの少ないモデルが勝利する。
私たちは最良のモデルを決定し、予測を行うように設定した。4,340個の分子を与えると、5分後に結果のリストが表示された。
その結果、AIモデルは21個の分子を選び出し、そのうちの21個が抗老化薬である可能性が高いと判断した。元の4340個の分子を実験室でテストしたとしたら、少なくとも数週間の集中作業と、実験機械やセットアップの費用は別として、化合物を購入するだけで5万ポンドはかかっただろう。
次に、これらの薬剤候補を健康な細胞と老化細胞の2種類でテストした。その結果、21種類の化合物のうち、3種類（ペリプロシン、オレアンドリン、ギンクゲチン）は老化細胞を除去し、正常細胞はほとんど生かすことができた。これらの新しい老化防止剤は、体内でどのように働くかについてさらに詳しい試験を行った。
より詳細な生物学的実験の結果、3種類の薬剤のうち、オレアンドリンは、この種の薬剤の中で最も性能の良い既知の老化防止剤よりも効果があることがわかった。
データサイエンティスト、化学者、生物学者を巻き込んだこの学際的アプローチの潜在的な反響は非常に大きい。十分な質の高いデータがあれば、AIモデルは化学者や生物学者が行っている、特にアンメットニーズの高い病気の治療法や治療法を見つけるための素晴らしい仕事を加速させることができる。
老化細胞での検証を終え、我々は現在、ヒト肺組織で3つの老化治療薬候補をテストしている。2年後には次の結果を報告したい。
コメントを残す