Wilmer Eye Institute, Johns Hopkins Medicine 연구원들은 인공지능 모델과 기계학습 알고리즘을 사용하여 치료 단백질을 구성하는 아미노산의 어떤 구성 요소가 동물의 눈 세포에 치료 약물을 안전하게 전달할 가능성이 가장 높은지 성공적으로 예측했다고 말한다.

 메릴랜드 대학(University of Maryland)의 연구원들과 협력하는 이 프로젝트는 미국에서 약 300만 명과  약  2천만 명이 영향을 받는 녹내장 및 황반 변성을 포함하여 일반적인 만성 실명 안과 질환에 대한 새롭고 더 견딜 수 있는 약물 치료법을 발전시킬 것을 약속한다.  각기. 이러한 질병에 대한 현재의 약물 요법(매일 여러 번 점안액 또는 빈번한 안구 주사로 구성됨)은 효과적이지만 이러한 전달 시스템은 시간이 지남에 따라 유지 및 견디기 어려울 수 있으며 눈의 구성 요소에 결합하는 전달 시스템을 개발하기 위한 과학적 노력을 장려했다. 세포를 보호하고 운반하는 약물의 치료 효과를 안전하게 확장한다.

2020년 식품의약국(FDA)은 녹내장 치료를 위해 눈에 삽입하고 약물을 방출할 수 있는 이식형 장치를 승인했다. 이 장치는 안약이나 주사보다 더 오랜 기간 동안 작동했지만 어떤 경우에는 장기간 사용하면 안구 세포 사멸을 유발하여 환자가 안약과 주사로 되돌아가야 하는 것으로 나타났다.

네이처 커뮤니케이션즈(Nature Communications) 에 5월 2일  발표된  이 새로운 연구는 인공 지능 설계 모델이 토끼 눈 세포의 특정 화학 물질에 결합하고 약물을 안전하게 투여하는 펩타이드 또는 작은 단백질로도 알려진 아미노산의 효과적인 순서를 정확하게 예측했음을 보여주었다. 빈번하고 엄격한 치료 일정의 필요성을 줄여준다. 팀은 특히 눈에 색을 제공하지만 눈 세포의 특수 구조 전체에 널리 존재하는 이점이 있는 화합물인 멜라닌에 결합하는 펩타이드를 조사했다.

연구팀은 펩타이드를 사용한 약물 전달을 조사한 다른 연구에서 이 시스템이 얼마나 효과적인지 보여주었지만 광범위한 눈 화합물과 강력하게 결합하는 펩타이드를 찾고자 했습니다. Laura Ensign 박사에 따르면 이를 위해 팀은 인공 지능 방법을 사용한 빠른 기계학습이 시도할 효과적인 펩타이드 서열을 분류하고 예측하는 데 도움이 될 수 있다고 추론했다.  Johns Hopkins University School of Medicine의 Marcella E. Woll 안과 교수이자 논문의 공동 교신 저자이다.

팀은 아미노산 및 펩타이드 서열의 특성을 포함하여 수천 개의 데이터 포인트를 기계 학습 모델에 공급하는 것으로 시작했다. 이 데이터는 컴퓨터 모델이 특정 아미노산 조합의 화학적 및 결합 특성을 "학습"하고 시간이 지나면서 멜라닌을 사용하여 약물 전달을 위한 후보 펩타이드 서열을 예측하는 데 도움이 되었다.

인공 지능 모델은 멜라닌을 수용하는 특수 세포에 침투하고 멜라닌에 결합하며 세포에 무독성인 다양한 능력을 가질 것으로 예측된 ​​127개의 펩타이드를 생성했다. 모델은 이 127개의 펩타이드 중에서 HR97이라는 펩타이드가 결합 성공률이 가장 높을 것으로 예측했다. 팀은 또한 세포 내에서 더 나은 흡수 및 결합뿐만 아니라 세포 죽음의 징후가 없는 것을 포함하여 이러한 펩타이드의 특성을 확인했다.

모델의 예측을 테스트하기 위해 연구자들은 안압을 낮추어 녹내장을 치료하는 데 사용되는 약물 브리모니딘에 HR97을 부착하고 성인 토끼 눈에 주입했다. HR97의 성능을 결정하기 위해 연구자들은 실험적인 약물 전달 시스템을 투여한 후 세포의 약물 농도를 테스트하여 안구 세포의 브리모니딘 수준을 측정했다. 그들은 많은 양의 브리모니딘이 최대 1개월 동안 존재한다는 것을 발견했으며, 이는 HR97이 성공적으로 세포에 침투하여 멜라닌에 결합하고 장기간에 걸쳐 약물을 방출했음을 나타낸다. 연구원들은 또한 브리모니딘의 안압 강하 효과가 HR97과 결합했을 때 최대 18일 동안 지속되었으며 토끼의 눈에서 자극 징후가 발견되지 않았음을 확인했다.

Ensign은 약물 전달을 위한 펩타이드를 예측하기 위해 인공 지능을 사용하는 향후 연구는 멜라닌과 관련된 다른 조건에 큰 영향을 미치며 다른 특수 구조를 대상으로 확장될 수 있다고 말한다.

“우리는 약물 전달 시스템을 사용하여 환자 치료와 삶의 질을 개선하려는 노력에서 해결책을 찾는 과정에 있다고 믿는다. 궁극적인 목표는 실험실 밖에서 번역할 수 있고 실제로 사람들의 삶을 개선할 수 있는 무언가를 만드는 것입니다.”라고 Ensign은 말한다.

참조:  Hsueh HT, Chou RT, Rai U, 외. 지속적인 안구 약물 전달을 위한 기계 학습 기반 다기능 펩타이드 엔지니어링. 냇 커먼 . 2023;14(1):2509. 도이:  10.1038/s41467-023-38056-w