高中学生使用人工智能研究人员找到新的大脑肿瘤的药物靶点

多形性胶质母细胞瘤(GBM)是最常见的恶性脑瘤,占所有原发性脑瘤的16%。安德里亚·奥尔森从奥斯陆,挪威;圣扎迦利Harpaz从佛罗里达州博卡拉顿的;任和克里斯从上海,中国进行了一项研究,他们使用了生成目标发现人工智能(AI)引擎识别“绿带运动”的新治疗靶点。这项研究结果发表在《华尔街日报》4月26日老化。

学生奥尔森Sevenoaks学校在肯特郡,英国,2021年开始在Insilico医学实习后发现她的神经生物学和技术的兴趣。当前,第五届科学论文她合著将十八岁之前,她和其他研究人员使用PandaOmics屏幕从基因表达数据集综合库维护的国家生物技术信息中心和发现新的治疗靶点治疗衰老和牵连多形性成胶质细胞瘤。

虽然似乎是一个明确的衰老和癌症之间的联系,奥尔森说,他们的研究结果更为微妙。“有时候,而不是衰老,身体切换到癌症机制,这是很有趣的发现。”She hypothesized that "the body is trying to preserve itself in a way that it is switching back to embryonic processes of cell division." GBM is caused by a genetic mutation that leads to uncontrolled growth of glial cells, or cells that surround neurons in the brain. Even with existing therapies, the median survival for GBM patients is only 15 months.

学生Harpaz松树顶在劳德代尔堡有一个早期的计算机科学和人工智能的兴趣并很快发展出一种对生物学的热情。“我想把我最喜欢的两个主题,计算机科学和生物,我认为最有趣的biology-aging研究领域,”Harpaz说。他发现生成的人工智能药物发现公司Insilico医学的创始人兼首席执行官亚历克斯•Zhavoronkov用奥尔森博士联系他。两个年轻的研究人员开始在胶质母细胞瘤项目合作,最终发现的衰老研究和药物发现(ARDD)在哥本哈根会议上,在那里他们一起启动了青年长寿协会(TYLA)。

在这个最新论文,他们和任正非PandaOmics用于分析基因,确定三个有紧密的关联与衰老和胶质母细胞瘤和可以作为新药的潜在治疗靶点。

“我们选择的基因重叠是高度相关的11 12个数据集,我们将我们的数据分为年轻、中年,和高级组,“Harpaz说。“我们映射这个生存的基因表达的重要性。”After identifying two genetic targets for glioblastoma and aging—CNGA3 and GLUD1—they cross-referenced their findings with earlier findings from Insilico around genes strongly correlated with aging and identified a third target—SIRT1.

学生们说,他们急于在AI和生物进大学继续学业和推动“绿带运动”研究发现药物开发目标。

”进一步推动这项研究的最好办法就是使用Insilico Chemistry42软件,我们可以把目标确定通过PandaOmics和生成小分子潜在的药物,这些目标有可能治疗胶质母细胞瘤和老化的同时,“Harpaz说。

她在Insilico实习之前,奥尔森说,“我从来不知道AI会如此帮助你找到全新的治疗靶点。对我来说,这是一个难以置信的机会深入的研究领域,衰老、长寿,和神经科学。它真的开启我的整个职业生涯。”

“我真的印象深刻的承诺这些年轻的研究人员,“Zhavoronkov说。“我希望自己的工作能激励其他年轻人兴奋科技看看他们如何使用人工智能工具来发现新的目标和治疗衰老和疾病。”