Organerne er fyldt med deres egne lægemidler, som sørger for at holde hele kroppen sund og rask. Nu har forskere udviklet en metode til med kunstig intelligens at søge i suppen af tusindvis af proteinstumper efter kroppens naturlige lægemidler, som derved kan udvikles til rigtige lægemidler mod sygdom.
Kroppens celler svømmer i en ”suppe” af proteinstumper, såkaldte peptider, der er resultatet af en hel masse biologiske processer.
Nogle peptider er bioaktive og spiller helt essentielle roller i at holde kroppen sund og rask. Det gælder blandt andet insulin og tarmhormonet GLP-1, som begge er kommercialiseret til nogle af verdens mest benyttede lægemidler.
Langt de fleste peptider er dog resultatet af nedbrydningen af proteiner og er som sådan ligegyldige.
Når forskere går på jagt efter at finde nye lægemidler som insulin eller GLP-1, skal de altså finde nålene i høstakken af nedbrydningspeptider for at finde frem til de få, der er bioaktive. Med flere hundredetusinde af peptider i kroppen er det en meget stor høstak at lede efter ganske få bioaktive peptider i.
Det problem har forskere nu løst ved hjælp af kunstig intelligens, der er i stand til at pege på de få interessante peptider i peptidsuppen, således forskere efterfølgende kan undersøge dem individuelt i jagten på nye vidunderlægemidler.
"Vores problem er, at når vi undersøger en biologisk prøve, er det et øjebliksbillede af proteinnedbrydningen. På grund af høj baggrundsstøj fra mange tusinde peptidstumper er det meget svært at sige, hvad der er bioaktivt, og hvad der ikke er. Vores metode går ud på at finde de interessante signaler i denne baggrundsstøj. Det er som en magnet, der kan hive nålene ud af høstakken," forklarer en af forskerne bag studiet, seniorforsker i Novo Nordisk Christian Toft Madsen.
Forskningen er offentliggjort i Nature Communications.
Undersøgte 150.000 peptider
I studiet har forskerne udviklet en metode til i en biologisk prøve at identificere de peptider, som formentlig er bioaktive og dermed interessante i en lægemiddelsammenhæng.
For at vise, at metoden virker efter hensigten, gjorde forskerne først det, at de oprensede peptider fra 48 mus. Forskerne kiggede individuelt på peptider i leveren, musklerne, hjernen, bugspytkirtlen, tarmen og to forskellige typer af fedtvæv.
Til at identificere alle peptiderne benyttede forskerne et såkaldt massespektrometer, der kan kortlægge peptidsekvenserne baseret på blandt andet peptidernes masse og ladning. Det resulterede i data på 150.000 forskellige peptider.
I næste del af forskningen benyttede forskerne kunstig intelligens til at pege på, hvilke af de 150.000 peptider som virkede til at være bioaktive.
Den kunstige intelligens havde forskerne forinden trænet på allerede kendte bioaktive peptider, hvor computeren lærte forskellige træk ved bioaktive peptider at kende, blandt hvordan peptidet sidder i et mønster af andre peptider, og hvor stor en del af et peptidkompleks det enkelte peptid udgør.
Efterfølgende kunne den kunstige intelligens gå på jagt efter bioaktive peptider i suppen af peptider i prøven og fortælle forskerne, hvor tæt på at ligne bioaktive peptider de enkelte peptider var.
"Vi får et tal ud fra nul til ét for det enkelte peptid. Jo tættere scoren er på ét, jo mere tror den kunstige intelligens på, at peptidet er bioaktivt," forklarer Christian Toft Madsen.
Fandt nyt peptid i insulin
Christian Toft Madsen fortæller, at 0,14 pct. af peptiderne i de undersøgte prøver fra mus virkede til at være de allermest interessante og værd at gå videre med i undersøgelserne af potentiel bioaktivitet.
I forskningsprojektet havde forskerne en særlig interesse i at finde peptider, der kan sænke blodsukkeret.
I den sammenhæng fandt forskerne noget meget interessant, nemlig et nyt insulin-peptid i bugspytkirtlen.
Normalt er det sådan, at insulin består af tre peptidstumper, men forskerne identificerede et fjerde, der opstår ved en alternativ splejsning af RNA til peptid.
I undersøgelsen af potentiel bioaktivitet scorede dette peptid meget højt blandt samtlige peptider i den kunstige intelligens-analyse. Det havde dog ikke den effekt, som forskerne troede.
"Vores metode forudsagde, at dette peptid helt bestemt har en bioaktiv rolle. Vi har testet det for evnen til at sænke blodsukkeret, men det gør det ikke. Ergo må det spille en anden bioaktiv rolle, og vi overvejer lige nu, om vi skal gå videre med undersøgelser af peptidets rolle. Vi skal også undersøge, om peptidet kun er relevant for mus, eller om det også er det for mennesker," siger Christian Toft Madsen.
Kan pege på sundhedsfremmende peptider ved træning
Brugen af metoden på peptider fra mus er et proof-of-concept på, at metoden virker, og forskerne er nu i færd med at lave forskellige undersøgelser af prøver fra mennesker.
Blandt andet er forskerne meget interesserede i at finde ud af, hvordan peptidlandskabet i kroppen ændrer sig under træning, og om træning leder til udskilning af nogle helbredsfremmende bioaktive peptider, som kan være interessante at lave til lægemidler.
Blandt andet er det velkendt, at træning leder til øget insulinsensitivitet i kroppen. Kunstig intelligens kan måske pege på de peptider, der leder til denne gavnlige effekt.
Forskerne undersøger også metoden i specifikke patientgrupper, blandt andet i patienter med hjertesvigt.
Her er det tanken, at peptidlandskabet kan være en biomarkør for hjertesvigt, altså at peptidlandskabet ser anderledes ud hos denne gruppe sammenlignet med hos raske. Det vil sige, at når der bliver udviklet nye lægemidler til patienter med hjertesvigt, kan forskerne let se, om lægemidlerne rent faktisk har en effekt på patienternes unikke peptidlandskab.
"Intentionen er også at undersøge, om billedet er det samme i andre organismer, altså at måske mus eller rotter har samme peptidprofil ved hjertesvigt som hos mennesker. Det kan pege på, om disse organismer er gode modeller for hjertesvigt hos mennesker," forklarer Christian Toft Madsen.
