W badaniu opartym na sztucznej inteligencji, o którym poinformuje Europejski Kongres ds. Otyłości (ECO 2024) (Wenecja, 12–15 maja), dwa związki roślinne o potencjale jako pigułki odchudzające agonisty GLP-1.

Agoniści receptora glukagonopodobnego peptydu-1 (GLP-1), tacy jak semaglutyd i tyrzepatid, bardzo skutecznie pomagają ludziom schudnąć. Naśladując działanie hormonu zwanego GLP-1 i wiążąc się z receptorem GLP-1 w komórkach i aktywując go, zmniejszają apetyt i uczucie głodu, spowalniają uwalnianie pokarmu z żołądka i zwiększają uczucie sytości po jedzeniu.

Istnieje jednak zapotrzebowanie na alternatywy, mówi Elena Murcia z Grupy Badawczej ds. Bioinformatyki Strukturalnej i Obliczeń Wysokiej Wydajności (BIO-HPC) oraz Jednostki Badań nad Zaburzeniami Odżywiania Katolickiego Uniwersytetu w Murcji (UCAM), Murcja, Hiszpania.

Chociaż wykazano skuteczność obecnych agonistów GLP-1, istnieją pewne skutki uboczne związane z ich stosowaniem – problemy żołądkowo-jelitowe, takie jak nudności, wymioty i zmiany w stanie zdrowia psychicznego, takie jak niepokój i drażliwość. Najnowsze dane potwierdziły również, że po przerwaniu leczenia pacjenci odzyskują utraconą wagę.

Ponadto większość agonistów GLP-1 to peptydy – krótkie łańcuchy aminokwasów, które mogą być rozkładane przez enzymy żołądkowe – dlatego obecnie częściej podaje się je we wstrzyknięciach niż doustnie.

Leki inne niż peptydy mogą mieć mniej skutków ubocznych i być łatwiejsze w podawaniu, co oznacza, że ​​można je podawać w postaci tabletek, a nie zastrzyków. Inne niedawne badania ukazały dwa obiecujące związki niepeptydowe: TTOAD2 i orforglipron.

Są to środki syntetyczne i byliśmy zainteresowani znalezieniem naturalnych alternatyw.”

Elena Murcia z Grupy Badawczej ds. Bioinformatyki Strukturalnej i Obliczeń Wysokiej Wydajności (BIO-HPC) oraz Jednostki Badań nad Zaburzeniami Odżywiania, Katolicki Uniwersytet w Murcji

Pani Murcia wraz ze współpracownikami zastosowała wysokowydajne techniki sztucznej inteligencji (AI), aby zidentyfikować niepeptydowe naturalne związki, które aktywują receptor GLP-1.

„Skoncentrowaliśmy się na ekstraktach roślinnych i innych naturalnych związkach, ponieważ mogą one mieć mniej skutków ubocznych” – mówi pani Murcia.

Wirtualne badanie przesiewowe umożliwiło przesianie ponad 10 000 związków w celu zidentyfikowania tych, które wiążą się z receptorem GLP-1.

Następnie zastosowano dalsze metody oparte na sztucznej inteligencji, aby sprawdzić, jak bardzo te wiązania przypominają te, które występują między hormonem GLP-1 a jego receptorem. Następnie wybrano 100 związków, które wiązały się najbardziej podobnie, do dodatkowej analizy wizualnej, aby określić, czy wchodzą w interakcję z kluczowymi resztami – aminokwasami – na receptorze.

Na koniec sporządzono diagram Venna (wykres matematyczny wykorzystujący nakładające się okręgi) w celu zidentyfikowania związków o najwyższym potencjale jako agonistów GLP1-R.

W rezultacie powstała krótka lista 65 związków, z których dwa, „Związek A” i „Związek B”, silnie wiążą się z kluczowymi resztami w podobny sposób jak TTOAD2 i orforglipron.

Związek A i Związek B pochodzą z bardzo pospolitych roślin, których ekstrakty łączono w przeszłości z korzystnym wpływem na metabolizm człowieka. Dalsze szczegóły dotyczące roślin i związków są utrzymywane w tajemnicy do czasu przyznania patentów. Mamy nadzieję, że oba leki będą mogły być podawane w formie tabletek. Obydwa związki przechodzą obecnie testy laboratoryjne.

Pani Murcia mówi: „Jesteśmy na wczesnym etapie opracowywania nowych agonistów GLP-1 pochodzących ze źródeł naturalnych. Jeśli nasze obliczenia oparte na sztucznej inteligencji zostaną potwierdzone in vitro, a następnie w badaniach klinicznych, będziemy mieli inne możliwości terapeutyczne w leczeniu otyłości.

„Badania komputerowe, takie jak nasze, mają kluczowe zalety, takie jak redukcja kosztów i czasu, szybka analiza dużych zbiorów danych, elastyczność w projektowaniu eksperymentów oraz możliwość identyfikacji i łagodzenia wszelkich zagrożeń etycznych i bezpieczeństwa przed przeprowadzeniem eksperymentów w laboratorium.

„Te symulacje pozwalają nam również wykorzystywać zasoby sztucznej inteligencji do analizowania złożonych problemów, zapewniając w ten sposób cenną wstępną perspektywę w poszukiwaniu nowych leków”.