«Чтобы идентифицировать несколько редких лекарств-кандидатов, которые вызывают желаемые эпигенетические эффекты, ученым нужны методы для скрининга сотен тысяч потенциальных соединений», – говорит Алексей Терских, Ph.D., адъюнкт-профессор Программы развития, старения и регенерации Сэнфорда Бернхэма Пребиса и старший автор исследования. "В нашем исследовании описывается мощный подход на основе изображений, который позволяет открывать высокопроизводительные эпигенетические лекарства."
Эпигенетика относится к химическим меткам на ДНК, которые обеспечивают больший или меньший доступ клеточного оборудования к генам, тем самым изменяя экспрессию генов. Почти все изменения в клетке, включая реакцию на лекарство и стресс окружающей среды, отражаются в ее эпигенетическом состоянии.
Несколько лекарств, направленных на эпигенетические изменения, одобрены U.S. Управление по санитарному надзору за качеством пищевых продуктов и медикаментов (FDA) для лечения рака, и исследователи работают над поиском дополнительных методов лечения, основанных на эпигенетике. Однако открытие лекарств замедлилось из-за отсутствия высокопроизводительного метода скрининга: в настоящее время ученые визуализируют эпигенетические изменения с помощью специальных красителей и традиционных методов микроскопии.
В ходе исследования ученые обучили алгоритм машинного обучения, используя набор из более чем 220 лекарств, которые, как известно, работают эпигенетически. Полученный в результате метод, получивший название Microscopic Imaging of Epigenetic Landscapes (MIEL), смог обнаруживать активные лекарства, классифицировать соединения по их молекулярной функции, выявлять эпигенетические изменения в нескольких клеточных линиях и концентрациях лекарств и помогать определять, как работают неизвестные соединения. Ученые использовали этот подход для определения эпигенетических соединений, которые могут помочь в лечении глиобластомы, смертельного рака мозга.
«Наш метод готов к немедленному использованию фармацевтическими компаниями, которые хотят разработать эпигенетические фильтры для лекарств», – говорит Чен Фархи, доктор философии.D., докторант лаборатории Терских и первый автор исследования. "Промышленные и академические исследователи, работающие над механистическими исследованиями, также могут извлечь выгоду из этого метода, поскольку алгоритм может обнаруживать и классифицировать эпигенетические изменения, вызванные экспериментальным лечением, генетическими манипуляциями или другими подходами."
Терских и его команда уже используют алгоритм для изучения эпигенетических изменений стареющих клеток с целью разработки соединений, которые способствуют здоровому старению – единственному наибольшему фактору риска заболеваний. Эта работа проводится в сотрудничестве с профессором Sanford Burnham Prebys Питером Адамсом, Ph.D.
Терских также стремится расширить технологию с 2D-изображений до 3D-видео, что расширит возможности этого подхода.