به گزارش پایگاه اطلاع‌رسانی بنیان، شرکت زیست‌فناوری اینسیلیکو مدیسین که به استفاده از هوش مصنوعی مولد در کشف دارو شهرت دارد، در یک مطالعهٔ علمی بزرگ و بین‌المللی، موفق به شناسایی اهداف مولکولی جدید برای بیماری آلزایمر و دیگر بیماری‌های تخریب‌کنندهٔ عصبی شده است. این پژوهش که در مجلۀ معتبر Alzheimer’s & Dementia منتشر شده، با بهره‌گیری از پلتفرم اختصاصی زیست‌شناسی هوش مصنوعی به نام PandaOmics و همکاری نزدیک با گروه پروفسور اواندرو فی فانگ از دانشگاه اسلو، به بررسی نقش محور NAD⁺-میتوفاژی در پیری مغز و تخریب عصبی پرداخته است. محققان با تجزیه و تحلیل داده‌های انسانی در مقیاس بزرگ، نشان دادند که اختلال در این محور متابولیکی، نقشی مرکزی در پیری سالم مغز و همچنین در بیماری‌هایی مانند آلزایمر، پارکینسون، هانتینگتون و اسکلروز جانبی آمیوتروفیک (ALS) ایفا می‌کند. آنان با مقایسهٔ الگوهای بیان ژن در ۱۲ ناحیۀ سالم مغز و همچنین مایع مغزی‑نخاعی و خون، تغییرات گسترده‌ای را در مراحل اولیۀ بیماری مشاهده کردند که بسیاری از این تغییرات در نمونه‌های خون قابل شناسایی بودند و پتانسیل بالایی به عنوان زیست‌نشانگرهای زودهنگام دارند. سپس، پلتفرم PandaOmics بیش از ۱۰۰ ژن کاندید درگیر در مسیرهای NAD⁺ و میتوفاژی را ارزیابی و پنج هدف درمانی اولویت‌دار را معرفی کرد: ULK1، OPA1، LAMP2، MFN1 و ATP6V0E1. اعتبارسنجی آزمایشگاهی روی مدل‌های پیش‌بالینی از جمله کرم‌های C. elegans، رده‌های سلولی جهش‌یافتۀ تاو انسانی و نورون‌های کورتیکال مشتق از سلول‌های بنیادی APOE4/4، نشان داد که تعدیل عملکرد این ژن‌ها به‌طور مستقیم آسیب‌شناسی بیماری را تغییر می‌دهد. به ویژه، فعال‌سازی OPA1 از طریق افزایش همجوشی میتوکندریایی، زنده‌مانی سلولی را افزایش داده و فسفریلاسیون پروتئین تاو را به‌طور قابل توجهی کاهش داد. در مقابل، خاموش‌سازی ژن‌های کلیدی میتوفاژی مانند MFN1 و LAMP2، تجمع تاو را تشدید کرد که نشان‌دهندۀ نقش حیاتی کنترل کیفیت میتوکندری در مهار تخریب عصبی است. این دستاورد، نمونۀ بارزی از قدرت ترکیب داده‌های انسانی، هوش مصنوعی و اعتبارسنجی آزمایشگاهی دقیق در کشف مسیرهای تازۀ درمانی برای بیماری‌های پیچیدهٔ مغزی محسوب می‌شود.

چالش دیرین بیماری آلزایمر و ناکامی درمان‌های موجود
بیماری آلزایمر، شایع‌ترین علت دمانس در جهان، یکی از پیچیده‌ترین و پرهزینه‌ترین چالش‌های نظام سلامت در قرن بیست‌ویکم است. با وجود دهه‌ها تحقیق و سرمایه‌گذاری کلان، هنوز هیچ درمان قطعی برای این بیماری تخریب‌کنندۀ عصبی وجود ندارد و داروهای موجود تنها قادر به کاهش موقت علائم هستند، نه توقف یا معکوس‌سازی روند بیماری. یکی از دلایل اصلی این شکست، پیچیدگی فوق‌العادهٔ پاتوفیزیولوژی آلزایمر است که شامل ترکیبی از تجمع پروتئین‌های سمی مانند آمیلوئید‑بتا و تاو، التهاب عصبی، اختلال در متابولیسم انرژی و نقص در سیستم پاک‌سازی سلولی می‌شود. در سال‌های اخیر، توجه پژوهشگران به نقش میتوکندری‌ها و فرآیند میتوفاژی (اتوفاژی اختصاصی میتوکندری) در پیری مغز و بیماری‌های نورودژنراتیو جلب شده است. با این حال، ترجمهٔ این یافته‌ها به اهداف درمانی مشخص، نیازمند رویکردهایی فراتر از روش‌های سنتی است.

 اینسیلیکو مدیسین و قدرت هوش مصنوعی در کشف دارو
اینسلیکو مدیسین، یک شرکت زیست‌فناوری بالینی با تخصص در استفاده از هوش مصنوعی مولد برای کشف دارو، در سال‌های اخیر با رویکرد نوآورانه خود، توانسته است گام‌های بلندی در حوزهٔ پزشکی دقیق و شناسایی اهداف جدید درمانی بردارد. پلتفرم اختصاصی این شرکت به نام PandaOmics، یک سامانۀ هوش مصنوعی چندوجهی است که با تحلیل حجم عظیمی از داده‌های ژنومی، ترانسکریپتومی، پروتئومی و ادبیات علمی، می‌تواند مسیرهای بیولوژیکی کلیدی و اهداف دارویی بالقوه را شناسایی کند. در مطالعهٔ جدید، تیم اینسیلیکو به رهبری دکتر فرانک پون، با گروه پروفسور اواندرو فی فانگ از دانشگاه اسلو و بیمارستان آکرشوس نروژ همکاری کرد تا از این ظرفیت بالا برای رمزگشایی از مکانیسم‌های پنهان بیماری آلزایمر بهره ببرد. این همکاری بین‌رشته‌ای، نمونهای موفق از پیوند علوم محاسباتی و زیست‌شناسی تجربی است.

محور NAD⁺-میتوفاژی؛ مرکز ثقل پیری و تخریب عصبی
هستهٔ اصلی این پژوهش، بررسی نقش محور NAD⁺-میتوفاژی در مغز است. NAD⁺ (نیکوتین‌آمید آدنین دینوکلئوتید) یک کوآنزیم حیاتی است که در متابولیسم انرژی، ترمیم DNA و تنظیم فرآیندهای سلولی نقش دارد. با افزایش سن، سطح NAD⁺ در مغز کاهش می‌یابد که به نوبه‌ی خود، کارایی میتوفاژی - فرآیندی که طی آن میتوکندری‌های آسیب‌دیده شناسایی و تخریب می‌شوند - را مختل می‌کند. این اختلال منجر به تجمع میتوکندری‌های ناکارآمد و تولید گونه‌های فعال اکسیژن (ROS) می‌شود که به سلول‌های عصبی آسیب می‌زند و روند پیری و تخریب عصبی را تسریع می‌کند. تیم پژوهشی با تحلیل داده‌های ۱۲ ناحیۀ مختلف مغز در شرایط پیری سالم و چهار بیماری نورودژنراتیو، نشان داد که این اختلال نه تنها در مراحل پیشرفته، بلکه از ابتدایی‌ترین مراحل بیماری نیز قابل مشاهده است و بنابراین می‌تواند به عنوان یک هدف زودهنگام برای مداخلات درمانی مطرح باشد.

شناسایی زیست‌نشانگرهای خونی؛ گامی به سوی تشخیص زودهنگام
یکی از دستاوردهای جالب توجه این مطالعه، کشف این بود که بسیاری از تغییرات مولکولی در مسیر NAD⁺-میتوفاژی را می‌توان در نمونه‌های خون بیماران مبتلا به آلزایمر و پارکینسون شناسایی کرد. در حال حاضر، تشخیص قطعی آلزایمر معمولاً نیازمند بیوپسی مغزی یا تصویربرداری PET از پلاک‌های آمیلوئیدی است که هر دو تهاجمی، پرهزینه و در دسترس محدود هستند. وجود زیست‌نشانگرهای خونی که بتوانند تغییرات متابولیک میتوکندری را در مراحل اولیه نشان دهند، می‌تواند انقلابی در تشخیص زودهنگام، غربالگری جمعی و پایش پاسخ به درمان ایجاد کند. به عقیدهٔ محققان، این یافته می‌تواند به توسعهٔ کیت‌های تشخیصی ساده و غیرتهاجمی منجر شود که با یک آزمایش خون معمولی، خطر ابتلا به آلزایمر را سال‌ها پیش از بروز علائم بالینی پیش‌بینی کنند.

 پنج هدف درمانی اولویت‌دار؛ از هوش مصنوعی تا میز آزمایش
پس از تحلیل داده‌ها، پلتفرم PandaOmics بیش از ۱۰۰ ژن مرتبط با مسیرهای NAD⁺ و میتوفاژی را ارزیابی و در نهایت پنج هدف درمانی را برای بیماری آلزایمر اولویت‌بندی کرد: ULK1 (تنظیم‌کنندهٔ کلیدی اتوفاژی)، OPA1 (مسئول همجوشی میتوکندری)، LAMP2 (پروتئین غشای لیزوزومی درگیر در میتوفاژی)، MFN1 (پروتئین فیوژن میتوکندری) و ATP6V0E1 (زیرواحد پمپ پروتونی واکوئلی). انتخاب این اهداف بر اساس معیارهای متعددی از جمله ارتباط با بیماری، قابلیت دارویی بودن، ایمنی و امکان مداخله دارویی بود. آنچه این پژوهش را از بسیاری از مطالعات مشابه متمایز می‌کند، اعتبارسنجی تجربی گستردهٔ این پیش‌بینی‌ها در مدل‌های مختلف آزمایشگاهی است که نشان می‌دهد خروجی هوش مصنوعی صرفاً یک حدس محاسباتی نبوده، بلکه پایه‌ای زیستی محکم دارد.

اعتبارسنجی در مدل‌های پیش‌بالینی؛ تائید قدرت پیش‌بینی AI
محققان برای تأیید یافته‌های هوش مصنوعی، هر پنج هدف را در سه مدل پیش‌بالینی متفاوت مورد آزمایش قرار دادند: کرم‌های C. elegans (مدلی ساده و سریع برای مطالعهٔ پیری و تخریب عصبی)، رده‌های سلولی حاوی جهش تاو انسانی و نورون‌های کورتیکال مشتق از سلول‌های بنیادی پرتوان القایی (iPSC) با ژنوتیپ APOE4/4 (که خطر ژنتیکی بالایی برای آلزایمر دارند). نتایج به‌طرز چشمگیری با پیش‌بینی‌های AI همخوانی داشت. به ویژه، فعال‌سازی OPA1 که منجر به افزایش همجوشی میتوکندری می‌شود، نه تنها زنده‌مانی نورون‌ها را بهبود بخشید، بلکه میزان فسفریلاسیون پروتئین تاو (که یکی از نشانگرهای اصلی آلزایمر است) را به‌طور قابل توجهی کاهش داد. در مقابل، خاموش‌سازی ژن‌های MFN1 و LAMP2 که هر دو در میتوفاژی نقش دارند، منجر به تشدید تجمع تاو شد که نشان می‌دهد حفظ کارایی میتوفاژی برای جلوگیری از تخریب عصبی ضروری است. این نتایج، نقش حیاتی کنترل کیفیت میتوکندری را در محافظت از سلول‌های عصبی به اثبات می‌رساند.

پیامدهای بالینی و مسیر آینده
دکتر سوفی لاوتروپ، نویسندهٔ اول و هم‌نویسندهٔ مسئول این مطالعه، گفت: «نتایج ما قدرت ترکیب داده‌های انسانی، هوش مصنوعی و اعتبارسنجی دقیق آزمایشگاهی را نشان می‌دهد و جهت‌گیری‌های جدیدی برای توسعهٔ زیست‌نشانگرها و مداخلات آینده برای بیماری آلزایمر ارائه می‌کند.» همچنین دکتر فرانک پون، مدیر بخش هنگ‌کنگ اینسیلیکو، اضافه کرد: «این پژوهش بار دیگر نشان می‌دهد که پلتفرم زیست‌شناسی هوش مصنوعی ما چگونه می‌تواند به سرعت احتمالات جدیدی را در حوزه‌های پیچیده‌ای مانند علوم اعصاب باز کند.» اینسیلیکو قصد دارد با ادامهٔ همکاری با دانشگاه اسلو، مسیر توسعهٔ داروهای هدف‌دهنده به این پنج هدف را دنبال کند و همچنین به بررسی پتانسیل تشخیصی این زیست‌نشانگرها در جمعیت‌های بزرگ‌تر انسانی بپردازد. ورود به فاز کارآزمایی بالینی برای یکی از این اهداف، می‌تواند گام بزرگی در درمان علّی آلزایمر باشد.

مقایسه با سایر رویکردها و جایگاه این روش در اکوسیستم تحقیقاتی
رویکرد اینسیلیکو تفاوت اساسی با روش‌های سنتی کشف دارو دارد. در گذشته، محققان معمولاً از یک فرضیهٔ بیولوژیکی مشخص شروع می‌کردند و سپس با آزمایش‌های پرهزینه و زمان‌بر، به بررسی یک یا دو هدف محدود می‌پرداختند. اما اینسیلیکو با بهره‌گیری از قدرت محاسباتی و یادگیری ماشین، هم‌زمان صدها ژن و مسیر را بررسی کرده و سپس با اعتبارسنجی تجربی هدفمند، امیدوارکننده‌ترین گزینه‌ها را غربالگری می‌کند. این روش، سرعت و دقت کشف را به شدت افزایش داده و هزینه‌ها را کاهش می‌دهد. در حوزهٔ بیماری‌های نورودژنراتیو که به دلیل پیچیدگی بالا و نرخ شکست بالای کارآزمایی‌ها، سرمایه‌گذاری‌های کلانی را به خود اختصاص داده، چنین پلتفرم‌هایی می‌توانند مسیر را برای ورود داروهای مؤثر به بازار هموارتر کنند.

جمع‌بندی و نگاه به آیندهٔ درمان آلزایمر
انتشار این مطالعه در Alzheimer’s & Dementia، یکی از معتبرترین مجلات حوزهٔ دمانس، نشان‌دهندهٔ اعتبار بالای این یافته‌ها در جامعهٔ علمی است. با وجود اینکه مسیر از کشف هدف تا داروی بالینی طولانی و پرچالش است، اما این پژوهش یک نقطهٔ عطف مهم در درک ما از نقش متابولیسم میتوکندری در بیماری آلزایمر محسوب می‌شود. تأکید بر محور NAD⁺-میتوفاژی نه تنها پنجره‌ای تازه به سوی درمان‌های علّی می‌گشاید، بلکه با معرفی زیست‌نشانگرهای خونی، امکان تشخیص زودهنگام را نیز فراهم می‌آورد. در آینده، شاهد توسعهٔ داروهایی خواهیم بود که با فعال‌سازی OPA1 یا تقویت میتوفاژی از طریق ULK1، بتوانند روند تخریب عصبی را کند یا متوقف کنند. اگر این پژوهش به کارآزمایی‌های بالینی موفق منجر شود، می‌تواند برای میلیون‌ها بیمار مبتلا به آلزایمر در سراسر جهان، امیدی تازه به ارمغان آورد؛ امیدی که حاصل همگرایی هوش مصنوعی، زیست‌شناسی مولکولی و همکاری‌های بین‌المللی است.

پایان مطلب/