دانشمندان از کلینیک کلیولند و دانشگاه کرنل یک نرم افزار و پایگاه داده وب در دسترس عموم طراحی کرده اند تا موانع شناسایی تداخلات کلیدی پروتئین-پروتئین برای درمان با دارو را از بین ببرد.
ابزار محاسباتی PIONEER (Prediction Interaction Protein-Protein IntErfacE) نامیده می شود. محققان سودمندی PIONEER را با شناسایی اهداف دارویی بالقوه برای ده‌ها سرطان و سایر بیماری‌های پیچیده در مقاله‌ای که اخیراً منتشر شده در Nature Biotechnology نشان دادند.
فیکسیونگ چنگ، دکترا، نویسنده ارشد مطالعه و مدیر مرکز ژنوم کلینیک کلیولند، می گوید: تحقیقات ژنومی در کشف دارو کلیدی است، اما همیشه به تنهایی کافی نیست. وقتی صحبت از ساخت دارو بر اساس داده های ژنومی به میان می آید، میانگین زمان بین کشف یک ژن عامل بیماری و ورود به آزمایشات بالینی 10 تا 15 سال است.
در تئوری، ساخت داروهای جدید بر اساس داده های ژنتیکی ساده است: ژن های جهش یافته پروتئین های جهش یافته را می سازند. ما سعی می‌کنیم مولکول‌هایی ایجاد کنیم که این پروتئین‌ها را از مختل کردن فرآیندهای حیاتی بیولوژیکی با جلوگیری از تعامل آنها با پروتئین‌های سالم بازدارد، اما در واقعیت، گفتن این کار بسیار آسان‌تر از انجام آن است.
دکتر فیکسیونگ چنگ، دکترا، نویسنده ارشد مطالعه و مدیر مرکز ژنوم کلینیک کلیولند
یک پروتئین در بدن ما می تواند با صدها پروتئین دیگر به روش های مختلف تعامل داشته باشد. دکتر چنگ توضیح می‌دهد که این پروتئین‌ها سپس می‌توانند با صدها پروتئین دیگر تعامل داشته باشند و شبکه پیچیده‌ای از برهمکنش‌های پروتئین-پروتئین به نام اینتراکتوم را تشکیل دهند. زمانی که جهش‌های DNA عامل بیماری به ترکیب وارد می‌شوند، این موضوع حتی پیچیده‌تر می‌شود. برخی از ژن‌ها می‌توانند به روش‌های مختلفی جهش پیدا کنند تا بیماری مشابهی ایجاد کنند، به این معنی که یک بیماری می‌تواند با بسیاری از اینتراکتوم‌های ناشی از تنها یک پروتئین جهش‌یافته متفاوت مرتبط باشد.
توسعه دهندگان دارو با ده ها هزار تداخل بالقوه بیماری زا باقی می مانند – و این تنها پس از ایجاد لیست بر اساس ساختارهای فیزیکی پروتئین آسیب دیده است.
دکتر چنگ به دنبال ساخت ابزار هوش مصنوعی (AI) برای کمک به محققان ژنتیک/ژنومی و توسعه دهندگان دارو بود تا امیدوارکننده‌ترین تعاملات پروتئین-پروتئین را آسان‌تر شناسایی کنند و با دکتر Haiyuan Yu، مدیر مرکز پروتئومیکس نوآورانه دانشگاه کرنل همکاری کرد. . این گروه حجم عظیمی از داده ها را از منابع متعدد ادغام کرده است:
منبع:news-medical
