Generative Molecular Design for Senescence-Associated Secretory Phenotype (SASP) Reversal: A REINVENT4 Pipeline Trained on Real LINCS L1000 Transcriptomic Data
本研究展示了一个基于真实 LINCS L1000 转录组数据训练的 REINVENT4 流水线，该流水线成功生成了被预测能够逆转衰老相关分泌表型（SASP）的新型类药分子，同时通过多样性过滤和奖励调优识别并解决了关键的骨架坍塌失效模式。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
随着年龄的增长，我们的细胞并非只是简单地消逝；许多细胞进入了一种永久停滞的状态。它们停止分裂却拒绝死亡，像沉默而顽固的租客一样徘徊在体内。虽然这些处于休眠状态的细胞在数量较少时是无害的，但随着时间的推移，它们会不断累积，并开始分泌一种具有毒性的炎症信号组合。这种被称为衰老相关分泌表型（SASP）的分泌物，就像一场缓慢燃烧的火灾，破坏周围健康的组织，并推动衰老过程及相关疾病的发展。科学家们长期以来一直在寻找一种逆转这种损伤的方法，希望找到一种能够抑制这些炎症信号并恢复身体平衡的分子。挑战在于寻找正确的化学钥匙，以解锁这一特定问题，而不对其他地方造成伤害。
埃格大学（Ege University）的一位研究人员通过教计算机从零开始设计新分子，向解决这一难题迈出了大胆的一步。他们没有在实验室中测试成千上万种现有的化学物质，而是使用一个强大的人工智能系统来构思并构建全新的结构。目标是创造出能够专门逆转这些衰老细胞毒性特征的化合物。为了训练这位“数字建筑师”，研究人员向它输入了一个包含大量现实世界数据的库：即来自名为 LINCS 的公共数据库中，超过 21,000 种不同化合物对人类细胞影响的记录。他们将计算机的注意力集中在 106 个作为细胞衰老指纹的特定基因上。计算机的任务是学习分子的形状与其降低这些衰老基因“音量”的能力之间的关系。
这一过程始于一个显著的障碍。研究人员首先尝试使用一个现有的、预训练的计算机模型，该模型旨在预测化学物质如何影响基因。然而，当他们用已知的著名抗衰老药物来测试该模型时，模型完全失败了。该模型错误地预测这些有益的药物会加剧衰老。这次失败本身就是一个至关重要的发现：它表明依赖通用的、预制的工具可能会引导科学家走上歧途。相反，研究人员构建了自己的定制预测工具，或称之为“神谕”（oracle），该工具直接基于真实的实验数据进行训练。这个新工具学会了识别哪些化学特征与逆转衰老特征相关联，从而为设计过程提供了一个可靠的指南。
有了这个定制指南，研究人员启动了一个强化学习流水线，这是一种计算机生成数百万个候选分子并从自身的成功与失败中学习的方法。如果生成的分子看起来像真实的药物、具有化学新颖性、且能在实验室中合成，同时在逆转衰老特征方面得分较高，系统就会获得奖励。在第一次尝试中，计算机掉入了一个陷阱。它发现一种非常简单、常见的化学结构极易生成且能获得不错的评分，于是开始产生数千个几乎完全相同的单一结构副本。这被称为“模式崩塌”（mode collapse），即系统停止探索并卡在了一个容易的答案上。研究人员意识到了这个错误，并调整了系统的规则，收紧了对多样性的要求，并降低了立即寻找完美得分的压力。
在第二次经过修正的运行中，计算机探索了一个更为广阔的化学可能性领域。它生成了超过 92,000 个独特的、有效的分子，其中绝大多数具有截然不同的化学骨架，而非重复同一种模式。结果令人期待：这些新设计的计算机分子所获得的平均分显著高于用于训练的 21,000 个真实化合物库的平均分。这表明该系统不仅仅是记忆了现有的药物，而是真正发现了数据所暗示的能有效逆转衰老的全新化学模式。在顶尖候选者中，一种特定的结构基元——一种带有附着化学基团的环状形状——频繁出现，然而这种特定的形状在原始训练库中几乎完全不存在。这表明系统找到了一个真正的药物设计新方向，而非仅仅是在复制它所见过的东西。
研究结论指出，利用公共数据和开源软件来设计针对特定衰老生物学机制的新分子是可能的。研究人员提供了一个完整且可重复的流水线，供他人解决类似问题。然而，他们也谨慎地指出，这些仅是虚拟候选者；目前尚未进行任何物理合成或实验室测试。这些分子仅以计算机模型的形式存在，它们是否能在生物体中真正逆转衰老仍有待证实。这项工作是一项概念验证，证明了通过将真实的生物数据与生成式设计相结合，科学家可以穿越广袤的化学空间去寻找复杂疾病的新颖解决方案，前提是必须时刻警惕自动化设计的陷阱。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。