Forwarded from LanceBio Ventures
Искусственный интеллект в разработке лекарств — решение всех проблем или пустой хайп?
Недавно СЕО компании Moderna объявил в интервью, что AI через 3-5 лет поможет проникнуть в тайны большинства болезней, а это позволит их лечить. Оставим такие смелые прогнозы на его совести. Лучше обратимся к настоящему: насколько AI сейчас помогает разрабатывать лекарства? Совершил ли он революцию?
AI — несомненно, очень полезный инструмент: он уже с успехом используется для поиска мишеней, создания новых молекулярных структур, а затем — в клинических исследованиях для идентификации пациентов, сбора клинической информации. AlphaFold вообще произвел фурор, предсказав структуры 200 миллионов белков (при том, что в базе реальных структур их около 200 000)! Компания Nvidia заявляет о своих планах доминировать в этой области, предоставляя вычислительные мощности всем готовым платить.
Однако насколько AI способен повысить вероятность успеха разработки лекарств (которая, напомню, составляет менее 10% для лекарства, вошедшего в клинику)? Насколько с помощью AI удастся найти новые классы лекарств? Понять патогенез болезней? Пока успехи довольно скромные. AlphaFold галлюцинирует и не может заменить экспериментальные данные. В области доклинической и тем более клинической разработки и подавно: еще очень долго главным критерием при одобрении лекарства будет успех клинического исследования, и короткого пути тут нет. Многие надеялись, что вероятность успеха удастся повысить до 30-50%. Более реалистичная оценка для ближайшего будущего — процентов на 3-5%, и это уже будет очень хорошо. Правда, чтобы доказать даже такой результат, нужны десятки кейсов одобренных лекарств, созданных с помощью AI. Пока что и до этого далеко: ничего кроме клинических провалов и остановленных программ, такие лекарства не показали. В итоге акции публичных битоех-AI-компании переживают не лучшие времена (см. рисунок в комменте).
В чем причина? Для обучения AI нужны качественные данные. Там, где их много, успех есть: это моделирование молекул, генетика, тексты, телеметрия. В области патофизиологии и фармакологии данных так мало, и они такие «грязные», что сначала требуется много усилий по их сбору. СЕО компании insitro Дафне Коллер хорошо объясняет, что те системы, над которыми мы можем свободно экспериментировать (клетки, животные) должны дать нам информацию о системах, с которыми возможности эксперимента очень ограниченны (пациенты). Ключевой барьер — наличие данных о корреляции двух областей, и пока мощность датасетов измеряется тысячами, AI не может дать большой прибавки. Можно сколько угодно ускорять поиск молекул или оптимизацию антител — это даст прибавку в те самые несколько процентов, но не более.
Возвращаясь к прогнозу Стефана Банселя: мы все были бы счастливы, если он сбудется, но, как говорит та же Коллер, не стоит кормить публику завышенными обещаниями: когда они не выполняются, это наносит вред всей области (как произошло, например, с longevity).
Недавно СЕО компании Moderna объявил в интервью, что AI через 3-5 лет поможет проникнуть в тайны большинства болезней, а это позволит их лечить. Оставим такие смелые прогнозы на его совести. Лучше обратимся к настоящему: насколько AI сейчас помогает разрабатывать лекарства? Совершил ли он революцию?
AI — несомненно, очень полезный инструмент: он уже с успехом используется для поиска мишеней, создания новых молекулярных структур, а затем — в клинических исследованиях для идентификации пациентов, сбора клинической информации. AlphaFold вообще произвел фурор, предсказав структуры 200 миллионов белков (при том, что в базе реальных структур их около 200 000)! Компания Nvidia заявляет о своих планах доминировать в этой области, предоставляя вычислительные мощности всем готовым платить.
Однако насколько AI способен повысить вероятность успеха разработки лекарств (которая, напомню, составляет менее 10% для лекарства, вошедшего в клинику)? Насколько с помощью AI удастся найти новые классы лекарств? Понять патогенез болезней? Пока успехи довольно скромные. AlphaFold галлюцинирует и не может заменить экспериментальные данные. В области доклинической и тем более клинической разработки и подавно: еще очень долго главным критерием при одобрении лекарства будет успех клинического исследования, и короткого пути тут нет. Многие надеялись, что вероятность успеха удастся повысить до 30-50%. Более реалистичная оценка для ближайшего будущего — процентов на 3-5%, и это уже будет очень хорошо. Правда, чтобы доказать даже такой результат, нужны десятки кейсов одобренных лекарств, созданных с помощью AI. Пока что и до этого далеко: ничего кроме клинических провалов и остановленных программ, такие лекарства не показали. В итоге акции публичных битоех-AI-компании переживают не лучшие времена (см. рисунок в комменте).
В чем причина? Для обучения AI нужны качественные данные. Там, где их много, успех есть: это моделирование молекул, генетика, тексты, телеметрия. В области патофизиологии и фармакологии данных так мало, и они такие «грязные», что сначала требуется много усилий по их сбору. СЕО компании insitro Дафне Коллер хорошо объясняет, что те системы, над которыми мы можем свободно экспериментировать (клетки, животные) должны дать нам информацию о системах, с которыми возможности эксперимента очень ограниченны (пациенты). Ключевой барьер — наличие данных о корреляции двух областей, и пока мощность датасетов измеряется тысячами, AI не может дать большой прибавки. Можно сколько угодно ускорять поиск молекул или оптимизацию антител — это даст прибавку в те самые несколько процентов, но не более.
Возвращаясь к прогнозу Стефана Банселя: мы все были бы счастливы, если он сбудется, но, как говорит та же Коллер, не стоит кормить публику завышенными обещаниями: когда они не выполняются, это наносит вред всей области (как произошло, например, с longevity).
Semafor
Moderna CEO says AI will help scientists understand ‘most diseases’ in 3 to 5 years
AI development could lead to huge advances in the scientific understanding of diseases, Moderna’s CEO Stéphane Bancel said at Semafor’s World Economy Summit.
🔥1
Forwarded from Зоопарк из слоновой кости
#зоопарк_одобряет #дорогая_редакция
Злокачественная мезотелиома плевры - редкая и агрессивная форма рака, которая в первую очередь поражает плевру – серозную оболочку легких. Это онкозаболевание печально известно своим неблагоприятным прогнозом - попросту говоря, оно часто убивает. Несмотря на все новые методы лечения, показатели выживаемости пациентов остаются менее 5%. Одна из интересных перспективных стратегий, над которой сейчас работают - насыщение раковых клеток оксидом азота (NO).
Российские химики из ИОХ #РАН @ziocras совместно с коллегами из ИОНХ РАН @chemrussia (Москва) и ИНХ СО РАН (Новосибирск), а также из Городского Университета Гонконга, разработали удобный и малостадийный метод синтеза новых гетероциклических структур на основе комбинации нескольких оксадиазольных фрагментов. Такие вещества показали высокий уровень высвобождения оксида азота NO – универсального регулятора клеточного метаболизма, а также проявляли высокую селективность в отношении гибели раковых клеток мезотелиомы плевры. Под спойлером - некоторые профессиональные детали:
Механистические исследования показали, что противораковые эффекты были, по крайней мере, частично опосредованы выделением оксида азота, приводящим к повреждению митохондрий посредством деполяризации мембраны. Однако отсутствие прямой корреляции между высвобождением NO и индукцией апоптоза или некроза предполагает участие дополнительных, NO-независимых путей клеточной гибели.
Результаты опубликованы в Pharmaceutics (IF=5.5)
https://www.mdpi.com/1999-4923/17/11/1494
Злокачественная мезотелиома плевры - редкая и агрессивная форма рака, которая в первую очередь поражает плевру – серозную оболочку легких. Это онкозаболевание печально известно своим неблагоприятным прогнозом - попросту говоря, оно часто убивает. Несмотря на все новые методы лечения, показатели выживаемости пациентов остаются менее 5%. Одна из интересных перспективных стратегий, над которой сейчас работают - насыщение раковых клеток оксидом азота (NO).
Российские химики из ИОХ #РАН @ziocras совместно с коллегами из ИОНХ РАН @chemrussia (Москва) и ИНХ СО РАН (Новосибирск), а также из Городского Университета Гонконга, разработали удобный и малостадийный метод синтеза новых гетероциклических структур на основе комбинации нескольких оксадиазольных фрагментов. Такие вещества показали высокий уровень высвобождения оксида азота NO – универсального регулятора клеточного метаболизма, а также проявляли высокую селективность в отношении гибели раковых клеток мезотелиомы плевры. Под спойлером - некоторые профессиональные детали:
Результаты опубликованы в Pharmaceutics (IF=5.5)
https://www.mdpi.com/1999-4923/17/11/1494
MDPI
Bis-Oxadiazole Assemblies as NO-Releasing Anticancer Agents
Background: Malignant pleural mesothelioma (MPM) is an aggressive, asbestos-associated cancer characterized by dysregulated nitric oxide (NO) signaling and increased NO levels that facilitate tumor progression. Paradoxically, this aberrant NO environment…
👍3
Не совсем моя область интересов, но не смог пройти мимо этой довольно любопытной работы. Группа китайских исследователей из Пекинского университета опубликовала статью, в которой описали разработанную ими программу на основе искусственного интеллекта AI-Newton, предназначенную для автономного открытия физических законов.
Программе были заданы лишь базовые наблюдаемые величины вроде координат и времени. По словам исследователей программа самостоятельна сформулировать физические понятия, такие как масса, энергия и сила, а затем через правдоподобные рассуждения вывести основные законы Ньютона, сохранения энергии и др..
Очень интересно потенциальное применение подобной платформы в биоорганической химии и молекулярной биологии, например, для выявления скрытых количественных закономерностей в кинетике ферментативных реакций, выявления новых взаимосвязей между структурой и функцией биомолекул, прогнозирования процессов старения и т.п., впрочем, непонятно, как система справится с математикой процессов, включающей стохастичность, нелинейность и сетевые взаимодействия.
Да и сами результаты вызывают пока больше вопросов чем ответов. Есть подозрение, что авторы предоставили тщательно отобранные успешные примеры, умолчав, сколько ошибочных законов система сгенерировала по пути к красивому результату. Ну, и нельзя не заметить, что программа демонстрирует успех лишь в задачах с заранее известными решениями. Однако при решении реальных научных задач, мы часто имеем дело с неверным исходным описанием проблемы, и "решения" может не существовать в принципе.
Программе были заданы лишь базовые наблюдаемые величины вроде координат и времени. По словам исследователей программа самостоятельна сформулировать физические понятия, такие как масса, энергия и сила, а затем через правдоподобные рассуждения вывести основные законы Ньютона, сохранения энергии и др..
Очень интересно потенциальное применение подобной платформы в биоорганической химии и молекулярной биологии, например, для выявления скрытых количественных закономерностей в кинетике ферментативных реакций, выявления новых взаимосвязей между структурой и функцией биомолекул, прогнозирования процессов старения и т.п., впрочем, непонятно, как система справится с математикой процессов, включающей стохастичность, нелинейность и сетевые взаимодействия.
Да и сами результаты вызывают пока больше вопросов чем ответов. Есть подозрение, что авторы предоставили тщательно отобранные успешные примеры, умолчав, сколько ошибочных законов система сгенерировала по пути к красивому результату. Ну, и нельзя не заметить, что программа демонстрирует успех лишь в задачах с заранее известными решениями. Однако при решении реальных научных задач, мы часто имеем дело с неверным исходным описанием проблемы, и "решения" может не существовать в принципе.
Indico of IHEP (Indico)
AI-Newton: A Concept-Driven Physical Law Discovery System without Prior Physical Knowledge
Current limitations in human scientific discovery necessitate a new research paradigm. While advances in artificial intelligence (AI) offer a highly promising solution, enabling AI to emulate human-like scientific discovery remains an open challenge. To address…
👍2
Forwarded from Блокнот Жмудя Chat
Заголовок -- кликбейт, но статья ок, конкретно про биологию, медицину, гены:
https://habr.com/ru/articles/969246/
https://habr.com/ru/articles/969246/
Хабр
Почему большинство опубликованных результатов исследований ложны
Когда – август 2005 года. Где – журнал PLOS Medicine. Кем – Джон Иоаннидис, профессор Стэнфордской медицинской школы. Что – эссе под названием «Why Most Published Research Findings Are False». Любой...
Forwarded from Алексей Хохлов
На недавно прошедшей II Научной конференции «Искусственный интеллект (ИИ) в химии и материаловедении» особое внимание было уделено необходимости создания качественных баз данных по химии (см., https://t.me/khokhlovAR/1126), без которых невозможно разработать эффективные инструменты ИИ в этой области.
В данный момент химики пользуются двумя общепринятыми базами: Reaxys и SciFinder. Но оба сервиса являются иностранными, причем доступа к Reaxys в России сейчас нет. С учетом этого, вопрос о разработке отечественного аналога этих баз является актуальным. Хотел бы здесь привлечь внимание к российской платформе OdanChem (https://odanchem.org), которую я упоминал в своем вступительном слове на круглом столе по базам данных в прошедший четверг:
https://disk.yandex.ru/i/4vv-kIwdU0UmFQ
База OdanChem перекрывает часть функционала SciFinder и Reaxys. В частности, там удобно искать ИК и ЯМР спектры органических молекул, а также есть и свои уникальные возможности. В частности, можно автоматически решать обратную спектроскопическую задачу: поиск молекул, соответствующих заданному пользователем спектру, таким образом разгадывая состав смесей. Существенная часть этой системы находится в открытом доступе.
Разработчики OdanChem сообщили мне, что сегодня на данной платформе была размещена новая версия, в которой стал доступен поиск не только по молекулам, но и по реакциям, что еще больше увеличивает перекрытие функционала с SciFinder и Reaxys. Эта функция уже доступна, там все self-explanatory, но скоро появится и подробная инструкция, как ей пользоваться.
Интересно, что платформа была инициативно сделана выходцами из ИНЭОС РАН за собственные средства, и никакого бюджетного финансирования коллеги не получают. Это уже становится традицией – новые полезные для ученых информационные инструменты разрабатывают одни, а бюджетные деньги за научную информацию для российских ученых получают другие (см. также https://t.me/khokhlovAR/1125).
В данный момент химики пользуются двумя общепринятыми базами: Reaxys и SciFinder. Но оба сервиса являются иностранными, причем доступа к Reaxys в России сейчас нет. С учетом этого, вопрос о разработке отечественного аналога этих баз является актуальным. Хотел бы здесь привлечь внимание к российской платформе OdanChem (https://odanchem.org), которую я упоминал в своем вступительном слове на круглом столе по базам данных в прошедший четверг:
https://disk.yandex.ru/i/4vv-kIwdU0UmFQ
База OdanChem перекрывает часть функционала SciFinder и Reaxys. В частности, там удобно искать ИК и ЯМР спектры органических молекул, а также есть и свои уникальные возможности. В частности, можно автоматически решать обратную спектроскопическую задачу: поиск молекул, соответствующих заданному пользователем спектру, таким образом разгадывая состав смесей. Существенная часть этой системы находится в открытом доступе.
Разработчики OdanChem сообщили мне, что сегодня на данной платформе была размещена новая версия, в которой стал доступен поиск не только по молекулам, но и по реакциям, что еще больше увеличивает перекрытие функционала с SciFinder и Reaxys. Эта функция уже доступна, там все self-explanatory, но скоро появится и подробная инструкция, как ей пользоваться.
Интересно, что платформа была инициативно сделана выходцами из ИНЭОС РАН за собственные средства, и никакого бюджетного финансирования коллеги не получают. Это уже становится традицией – новые полезные для ученых информационные инструменты разрабатывают одни, а бюджетные деньги за научную информацию для российских ученых получают другие (см. также https://t.me/khokhlovAR/1125).
Яндекс Диск
OdanChem.pptx
Посмотреть и скачать с Яндекс Диска
Forwarded from Forever and BioMed
Крутая публикация в уважаемом журнале, в рубрике мы все умрём AI заменит учОных
...что может быть лучшим поводом для разговора 🤓
Почему это круто? судите сами:
🔹создана модель, демонстрирующая очень качественное предсказание взаимосвязи белковой последовательности с функцией,
🔹помогает в этом глубокая теоретическая база + мощнейшая матчасть = по-умному модель называется вариационный автоэнкодер функционального поиска в пространстве последовательностей,
🔹как успешные примеры, модель "задизайнила" два фермента = фенилаланингидроксилазу с каталитической активностью в 2.5 раза выше, чем у дикого типа + ангидразу с термостабильностью выше, чем у всех природных вариантов.
...по итогу имеем инструмент дизайна белков с заданными свойствами! статья тут ⬅️
А сейчас состоится сеанс научной (и работающей) магии - но с (некоторым) разоблачением 😎
▪️как модель "угадывает" белок = предсказывает конкретную последовательность, обладающую нужным свойством? начнём с того, что она вообще НЕ знает как устроены белки и как последовательность связана со структурой,
▪️модель обучена на миллионах белков, для которых свойства изучены/аннотированы; на этом этапе = "кодирование", создаётся некая (скрытая и сложная) функция, отражающая взаимозависимость последовательности белка и искомого свойства,
▪️на этапе решения задач, происходит обратное "декодирование" = модель находит точки на пресловутой функции с наилучшими значениями + переводит эти точки в белковые последовательности.
Если схематично:
Представим, что у нас выписаны варианты белка (обозначу их буквами, подразумевая, что каждый вариант это последовательность аминокислот) + для многих мы знаем (экспериментально померяли) активность. У вариантов, для которых активность не знаем, пока оставим "?" Выглядит так:
вариант =====> шкала активности
A =====
B =======
C ???
D ======
E ???
F =
Если подсунуть автоэнкодеру эти данные и дать ему как следует "подумать", он подберёт функцию, отражающую зависимость между последовательностью и активностью. Предсказанные значения функции возникнут на месте ранее не-аннотированных значений:
A =====
B =======
C ---------------- >>> предсказание
D ======
E -------- >>> предсказание
F =
Кстати, вид этой функции в итоге не известен - модель становится "чёрным ящиком". Спрашиваем у неё "где функция имеет оптимум?" и получаем (в данном случае) ответ "в точке C" + соотв. последовательность. Которую можно проверить экспериментально.
В действительности это очень показательный AI-подход, в самом сакральном смысле эпитета "аrtificial":
🔸 модели НЕ "объясняли", что последовательность белка сворачивается в пространственную структуру и выполняет биохимическую функцию... модель находит наиболее устойчивое преобразование из одного представления данных (последовательность) в другое (активность) = у неё нет "человеческого понимания", зато куча данных и мощные вычисления,
🔸ровно это сработало у больших языковых моделей = на грандиозном количестве примеров они отлично "запомнили", какие слоги/слова/предложения сочетаются друг с другом, с какими вероятностями,
🔸такие модели НЕ "понимают" предметную область (будь то язык или биохимия), но тем примечательнее, что для создания новых смыслов достаточно (порою!) хорошей "насмотренности" = большой обучающей выборки.
...именно вариационные автоэнкодеры были в основе многих AI-систем, например Stable Diffusion. Но сейчас среди рассуждающих моделей лидируют так называемые трансформеры. Оказалось, что в случае общения лучше не оптимизировать многомерную функцию, а просто угадывать следующий токен = "сказав А, скажи и Б", за умного сойдёшь. Сугубое ИМХО: VAE должны в итоге победить и в рассуждениях, потому что "пространство смыслов" на самом деле многомерно... но это обсудим как-нибудь отдельно 🥸
Если постнаберёт миллион лайков вызовет большой интерес - позже расскажу, в чём ограничения таких моделей. И почему в некоторых областях БиоМеда они вряд ли совершат прорыв и придумают лекарства от минимумвсего... при всём уважении к их действительно впечатляющей предсказательной силе 🧐
...что может быть лучшим поводом для разговора 🤓
Почему это круто? судите сами:
🔹создана модель, демонстрирующая очень качественное предсказание взаимосвязи белковой последовательности с функцией,
🔹помогает в этом глубокая теоретическая база + мощнейшая матчасть = по-умному модель называется вариационный автоэнкодер функционального поиска в пространстве последовательностей,
🔹как успешные примеры, модель "задизайнила" два фермента = фенилаланингидроксилазу с каталитической активностью в 2.5 раза выше, чем у дикого типа + ангидразу с термостабильностью выше, чем у всех природных вариантов.
...по итогу имеем инструмент дизайна белков с заданными свойствами! статья тут ⬅️
А сейчас состоится сеанс научной (и работающей) магии - но с (некоторым) разоблачением 😎
▪️как модель "угадывает" белок = предсказывает конкретную последовательность, обладающую нужным свойством? начнём с того, что она вообще НЕ знает как устроены белки и как последовательность связана со структурой,
▪️модель обучена на миллионах белков, для которых свойства изучены/аннотированы; на этом этапе = "кодирование", создаётся некая (скрытая и сложная) функция, отражающая взаимозависимость последовательности белка и искомого свойства,
▪️на этапе решения задач, происходит обратное "декодирование" = модель находит точки на пресловутой функции с наилучшими значениями + переводит эти точки в белковые последовательности.
Если схематично:
Представим, что у нас выписаны варианты белка (обозначу их буквами, подразумевая, что каждый вариант это последовательность аминокислот) + для многих мы знаем (экспериментально померяли) активность. У вариантов, для которых активность не знаем, пока оставим "?" Выглядит так:
вариант =====> шкала активности
A =====
B =======
C ???
D ======
E ???
F =
Если подсунуть автоэнкодеру эти данные и дать ему как следует "подумать", он подберёт функцию, отражающую зависимость между последовательностью и активностью. Предсказанные значения функции возникнут на месте ранее не-аннотированных значений:
A =====
B =======
C ---------------- >>> предсказание
D ======
E -------- >>> предсказание
F =
Кстати, вид этой функции в итоге не известен - модель становится "чёрным ящиком". Спрашиваем у неё "где функция имеет оптимум?" и получаем (в данном случае) ответ "в точке C" + соотв. последовательность. Которую можно проверить экспериментально.
В действительности это очень показательный AI-подход, в самом сакральном смысле эпитета "аrtificial":
🔸 модели НЕ "объясняли", что последовательность белка сворачивается в пространственную структуру и выполняет биохимическую функцию... модель находит наиболее устойчивое преобразование из одного представления данных (последовательность) в другое (активность) = у неё нет "человеческого понимания", зато куча данных и мощные вычисления,
🔸ровно это сработало у больших языковых моделей = на грандиозном количестве примеров они отлично "запомнили", какие слоги/слова/предложения сочетаются друг с другом, с какими вероятностями,
🔸такие модели НЕ "понимают" предметную область (будь то язык или биохимия), но тем примечательнее, что для создания новых смыслов достаточно (порою!) хорошей "насмотренности" = большой обучающей выборки.
...именно вариационные автоэнкодеры были в основе многих AI-систем, например Stable Diffusion. Но сейчас среди рассуждающих моделей лидируют так называемые трансформеры. Оказалось, что в случае общения лучше не оптимизировать многомерную функцию, а просто угадывать следующий токен = "сказав А, скажи и Б", за умного сойдёшь. Сугубое ИМХО: VAE должны в итоге победить и в рассуждениях, потому что "пространство смыслов" на самом деле многомерно... но это обсудим как-нибудь отдельно 🥸
Если пост
PNAS
ProT-VAE: Protein Transformer Variational AutoEncoder for functional protein design | PNAS
Deep generative models have demonstrated success in learning the protein sequence
to function relationship and designing synthetic sequences with e...
to function relationship and designing synthetic sequences with e...
💯2
Forever and BioMed
Крутая публикация в уважаемом журнале, в рубрике мы все умрём AI заменит учОных ...что может быть лучшим поводом для разговора 🤓 Почему это круто? судите сами: 🔹создана модель, демонстрирующая очень качественное предсказание взаимосвязи белковой последовательности…
☝️Что-то подобное относительно недавно пытались провернуть физики, обучая ИИ искать связи между физическими величинами и на их основании выводить физические законы. И добились того, что ИИ самостоятельно смог вывести основные законы механики Ньютона. Ещё до появления статьи в PNAS многих биохимиков заинтересовало применение описанного подхода для биохимических исследований. Однако проблема таких экспериментов состоит в том, что программа демонстрирует успех лишь в задачах с заранее известными решениями. Однако при решении реальных научных задач, мы часто имеем дело с неверным исходным описанием проблемы, и "решения" может не существовать в принципе.
💯2
Forwarded from Тру финансы
Оземпик - идеальное решение для современного мира. Простое, быстрое, почти ничего не требующее. Достаточно просто принимать таблетки, расслабиться и получать удовольствие: вес уходит сам по себе. Красота!
Или нет?
Классическим исследованием результатов применения препарата считается "Weight regain and cardiometabolic effects after withdrawal of semaglutide" 2022 года. Да, принимавшая активное вещество группа похудела за 16 месяцев на 17%. Вот только позже вес активно набирался обратно. В среднем, набирали 2/3 от сброшенного всего за год после завершения лечения
Последующие исследования и метаанализ подтвердили выводы и уточнили пару ключевых моментов.
15-20% в итоге за год после прекращения лечения набирали даже больше, чем сбрасывали. Люди не только не попытались возможностью, а ещё и стали больше себе позволять.
Вторая группа более любопытна: 15-20% смогли удержаться и набрать обратно не более 10% от потерянного веса. И исследования говорят, что для этих людей было мало просто смены пищевых привычек и повышение спортивной активности. Факторами успеха стали следующие меры:
🍀серьёзная работа с психологом и получение психотерапевтической помощи - чемпионы проводили серьёзную работу над своими ментальными ловушками и ошибками, которые приводили их к перееданию
🍀снижение уровня стресса и переход в более спокойные условия жизни и работы
🍀стабилизация режима отдыха, восстановления и сна
🍀не просто рост активности, а с увеличением объёма силовых тренировок (бег тут почти не помогал)
🍀не просто уменьшение объёмов питания, а серьёзное повышение нормы потребления белка (если что, современные нормы - даже не 0,8, а 1,5-2 грамма на килограмм веса).
Получается, что простые решения, которые позволяют в моменте устранить для людей и бизнеса головную боль, вполне себе могут быть продуктивны и полезны. Но только в том случае, если за ними идёт серьёзная психологическая проработка, а так же - перевод работы всей системы на более здоровый и адекватный лад.
Или нет?
Классическим исследованием результатов применения препарата считается "Weight regain and cardiometabolic effects after withdrawal of semaglutide" 2022 года. Да, принимавшая активное вещество группа похудела за 16 месяцев на 17%. Вот только позже вес активно набирался обратно. В среднем, набирали 2/3 от сброшенного всего за год после завершения лечения
Последующие исследования и метаанализ подтвердили выводы и уточнили пару ключевых моментов.
15-20% в итоге за год после прекращения лечения набирали даже больше, чем сбрасывали. Люди не только не попытались возможностью, а ещё и стали больше себе позволять.
Вторая группа более любопытна: 15-20% смогли удержаться и набрать обратно не более 10% от потерянного веса. И исследования говорят, что для этих людей было мало просто смены пищевых привычек и повышение спортивной активности. Факторами успеха стали следующие меры:
🍀серьёзная работа с психологом и получение психотерапевтической помощи - чемпионы проводили серьёзную работу над своими ментальными ловушками и ошибками, которые приводили их к перееданию
🍀снижение уровня стресса и переход в более спокойные условия жизни и работы
🍀стабилизация режима отдыха, восстановления и сна
🍀не просто рост активности, а с увеличением объёма силовых тренировок (бег тут почти не помогал)
🍀не просто уменьшение объёмов питания, а серьёзное повышение нормы потребления белка (если что, современные нормы - даже не 0,8, а 1,5-2 грамма на килограмм веса).
Получается, что простые решения, которые позволяют в моменте устранить для людей и бизнеса головную боль, вполне себе могут быть продуктивны и полезны. Но только в том случае, если за ними идёт серьёзная психологическая проработка, а так же - перевод работы всей системы на более здоровый и адекватный лад.
👍2
Forwarded from Solid State Humanity
Улучшение выживания человеческих стволовых клеток в эмбрионах животных
Это важный шаг к технологии, при которой человеческие органы можно будет выращивать внутри животных и использовать для пересадок
Когда исследователи пытаются создать химерный эмбрион - организм, содержащий клетки разных видов - возникает одна фундаментальная проблема. Клетки животных, например мышей, почти всегда "побеждают" человеческие клетки. Они растут быстрее, лучше делятся и активируют защитные реакции против любых чужеродных молекул.
Команда обнаружила, что ключевую роль в этом играет врожденный РНК-иммунитет. Когда в мышиную клетку попадает человеческая РНК, срабатывает "сигнал тревоги", запускается цепочка антивирусных реакций, и человеческие клетки подавляются. Главный участник этой системы - ген MAVS. Он нужен для того, чтобы клетка включала противовирусную защиту при обнаружении чужой РНК.
Учёные отключили MAVS в клетках мыши. В результате иммунная сигнализация перестала реагировать на присутствие человеческой РНК. Мышиные клетки потеряли своё конкурентное преимущество, а человеческие стволовые клетки стали выживать и интегрироваться во внутреннюю структуру эмбриона намного лучше. Уровень химеризма - то есть доля человеческих клеток в общем составе эмбриона - значительно вырос.
Человеческие клетки не изменяли генетически. Манипуляции делали только с клетками животного-хозяина
#трансплантация
Это важный шаг к технологии, при которой человеческие органы можно будет выращивать внутри животных и использовать для пересадок
Когда исследователи пытаются создать химерный эмбрион - организм, содержащий клетки разных видов - возникает одна фундаментальная проблема. Клетки животных, например мышей, почти всегда "побеждают" человеческие клетки. Они растут быстрее, лучше делятся и активируют защитные реакции против любых чужеродных молекул.
Команда обнаружила, что ключевую роль в этом играет врожденный РНК-иммунитет. Когда в мышиную клетку попадает человеческая РНК, срабатывает "сигнал тревоги", запускается цепочка антивирусных реакций, и человеческие клетки подавляются. Главный участник этой системы - ген MAVS. Он нужен для того, чтобы клетка включала противовирусную защиту при обнаружении чужой РНК.
Учёные отключили MAVS в клетках мыши. В результате иммунная сигнализация перестала реагировать на присутствие человеческой РНК. Мышиные клетки потеряли своё конкурентное преимущество, а человеческие стволовые клетки стали выживать и интегрироваться во внутреннюю структуру эмбриона намного лучше. Уровень химеризма - то есть доля человеческих клеток в общем составе эмбриона - значительно вырос.
Человеческие клетки не изменяли генетически. Манипуляции делали только с клетками животного-хозяина
#трансплантация
🤔1🤡1
Forwarded from Зоопарк из слоновой кости
#зоопарк_одобряет
А вот это по-настоящему круто: у наших химиков (если точнее, то ИОХ #РАН, Москва) вновь вышла работа в одном из самых статусных и элитных журналов в этой области - Journal of American Chemical Society, он же JACS. Сделали они ее вместе с коллегами из США - ну как из США, Игорь Алабугин, как нетрудно догадаться, наш соплеменник, но, что очень важно, ни на минутку не рвавший связи с российской наукой.
Суть дела: анион-радикалы (это, как нетрудно догадаться, такие частицы, где есть и неспаренный электрон, и отрицательный заряд) реагируют с донорами протонов - это известно отлично. Куда хуже известно их взаимодействие с гидридами (грубо говоря, вещества, где есть связь элемент-водород и последний кагбэ несет на себе тоже отрицательный заряд).
Так вот, поразбиравшись с такими реакциями (анион-радикалы с B-H и Si-H-гидридами), ученые нашли, как они это сами сформулировали, новый класс химических реакций: кетильные анион-радикалы взаимодействуют с гидридами, давая связи C–B/C–Si и O–H (работая одновременно как основание Льюиса и акцептор атома водорода). И вот образующиеся частицы уже оказываются ОЧЕНЬ сильными восстановителями - ну примерно как щелочные металлы. В итоге получается как бы цепь переноса электрона - продукт восстанавливает исходный субстрат, запуская самоподдерживающийся цикл, то бишь катализ, причем очень и очень эффективный и, как утверждается в работе, очень легко масштабируемый.
Короче, если без вышеизложенных подробностей, это ОЧЕНЬ круто. Вангуем очень и очень много цитирований уже в течение полугода, под такой результат можно смело открывать лабораторию (нет, это не преувеличение)
https://pubs.acs.org/doi/10.1021/jacs.5c17610
А вот это по-настоящему круто: у наших химиков (если точнее, то ИОХ #РАН, Москва) вновь вышла работа в одном из самых статусных и элитных журналов в этой области - Journal of American Chemical Society, он же JACS. Сделали они ее вместе с коллегами из США - ну как из США, Игорь Алабугин, как нетрудно догадаться, наш соплеменник, но, что очень важно, ни на минутку не рвавший связи с российской наукой.
Суть дела: анион-радикалы (это, как нетрудно догадаться, такие частицы, где есть и неспаренный электрон, и отрицательный заряд) реагируют с донорами протонов - это известно отлично. Куда хуже известно их взаимодействие с гидридами (грубо говоря, вещества, где есть связь элемент-водород и последний кагбэ несет на себе тоже отрицательный заряд).
Так вот, поразбиравшись с такими реакциями (анион-радикалы с B-H и Si-H-гидридами), ученые нашли, как они это сами сформулировали, новый класс химических реакций: кетильные анион-радикалы взаимодействуют с гидридами, давая связи C–B/C–Si и O–H (работая одновременно как основание Льюиса и акцептор атома водорода). И вот образующиеся частицы уже оказываются ОЧЕНЬ сильными восстановителями - ну примерно как щелочные металлы. В итоге получается как бы цепь переноса электрона - продукт восстанавливает исходный субстрат, запуская самоподдерживающийся цикл, то бишь катализ, причем очень и очень эффективный и, как утверждается в работе, очень легко масштабируемый.
Короче, если без вышеизложенных подробностей, это ОЧЕНЬ круто. Вангуем очень и очень много цитирований уже в течение полугода, под такой результат можно смело открывать лабораторию (нет, это не преувеличение)
https://pubs.acs.org/doi/10.1021/jacs.5c17610
ACS Publications
Reactions of Radical Anions with Hydrides: Supercharging Electron Upconversion for Electron Catalysis
Radical anions are well known to react with proton donors, yet their reactivity with hydrides remains largely unexplored. Here, we investigate the reactions of five stable radical anions with B–H and Si–H hydrides (pinacolborane, diphenylsilane, and triphenylsilane)…
👍3❤1🔥1🤯1🤡1
Forwarded from ComputAgeChannel (Dmitrii Kriukov)
Как долго сможет жить человек, победивший все механизмы старения, кроме соматических мутаций?
В нашем новом препринте мы отвечаем на этот вопрос, встречайте:
♾ Somatic mutations impose an entropic upper bound on human lifespan
Напомню, что соматические мутации — это изменения в ДНК, возникающие в соматических (неполовых) клетках организма в течение жизни и не передающиеся потомству. Некоторые из них могут даже убить клетку. Простой вопрос, возникший в рамках какой-то легкой беседы на научно-популярном мероприятии превратился в целое научное путешествие длиной в почти два года, с бесконечными спорами о методологии моделирования и оценки параметров. Разумеется ответить на поставленный вопрос экспериментально в ближайшие десятилетия - нереально. Приходится обращаться к математическим моделям. Итак, мы построили модель старения популяции людей под действием только лишь соматических мутаций в нашей ДНК, которые медленно, но верно, убивают клетки в различных тканях нашего организма. Затем мы оценили медианную и максимальную продолжительности жизни при такой (пока еще) гипотетической форме старения. И вот что мы поняли...
Инсайты:
📍 Существует фундаментальная асимметрия в том как соматические мутации убивают пост-митотические клетки (пр. нейроны, кардиомиоциты) и активно пролиферирующие (пр. гепатоциты). У первых, нет шансов противостоять соматическим мутациям и они медленно гибнут не восполняя популяцию. У вторых, напротив, за счет пула стволовых клеток и, возможности делиться, есть солидный запас прочности. Получается, что пост-митотические ткани это bottleneck в старении и их фокус на их омоложении может дать больше пользы (по крайней мере в рамках нашей модели).
📍 Мы оценили медианную Продолжительность Жизни (ПЖ) для человека стареющего только под воздействием соматических мутаций как 140 лет. Оценка максимальной ПЖ получилась 627 лет.
📍 Мы, с легкой руки, назвали эту оценку энтропийным верхним пределом ПЖ, подразумевая, что соматические мутации в нашей ДНК носят характер необратимой потери биологической информации.
📍 Подход, который мы использовали для оценки ПЖ, может быть обобщен на другие фундаментальные механизмы старения. И, что важнее всего, позволяет количественно оценить независимый вклад каждого из них в снижение ПЖ.
📍 Этот результат немного челленджит концепцию "longevity escape velocity", указывая на то, что как бы мы не старались выигрывать дополнительные годы жизни за счет прогресса в технологиях, существуют процессы, которые непреодолимы уже из термодинамических соображений - конечно, при условии, что мы не научимся заменять нейроны головного мозга (что сейчас тоже активно разрабатывается).
🧠 Мысли:
Прежде всего подчеркнем, что это математическая оценка (хотя и очень аккуратная), а не результат реального эксперимента. Ее точно не стоит воспринимать как некую безысходность, но и игнорировать роль соматических мутаций в старении тоже не стоит. Любопытно, что соматические мутации оказались, в конечно счете, довольно слабым механизмом старения, если рассматривать его изолированно. Вполне возможно, что их губительная роль вырастает в связке с другими механизмами старения, но это вопрос будущих исследований.
⭐️ Очень благодарен моим коллегам: Евгению Ефимову, Владу Федотову, Леониду Малаеву и Екатерине Храмеевой за то, что отважились пройти этот долгий путь в ответе на такой... неожиданный научный вопрос.
Препринт
В нашем новом препринте мы отвечаем на этот вопрос, встречайте:
Напомню, что соматические мутации — это изменения в ДНК, возникающие в соматических (неполовых) клетках организма в течение жизни и не передающиеся потомству. Некоторые из них могут даже убить клетку. Простой вопрос, возникший в рамках какой-то легкой беседы на научно-популярном мероприятии превратился в целое научное путешествие длиной в почти два года, с бесконечными спорами о методологии моделирования и оценки параметров. Разумеется ответить на поставленный вопрос экспериментально в ближайшие десятилетия - нереально. Приходится обращаться к математическим моделям. Итак, мы построили модель старения популяции людей под действием только лишь соматических мутаций в нашей ДНК, которые медленно, но верно, убивают клетки в различных тканях нашего организма. Затем мы оценили медианную и максимальную продолжительности жизни при такой (пока еще) гипотетической форме старения. И вот что мы поняли...
Инсайты:
📍 Существует фундаментальная асимметрия в том как соматические мутации убивают пост-митотические клетки (пр. нейроны, кардиомиоциты) и активно пролиферирующие (пр. гепатоциты). У первых, нет шансов противостоять соматическим мутациям и они медленно гибнут не восполняя популяцию. У вторых, напротив, за счет пула стволовых клеток и, возможности делиться, есть солидный запас прочности. Получается, что пост-митотические ткани это bottleneck в старении и их фокус на их омоложении может дать больше пользы (по крайней мере в рамках нашей модели).
📍 Мы оценили медианную Продолжительность Жизни (ПЖ) для человека стареющего только под воздействием соматических мутаций как 140 лет. Оценка максимальной ПЖ получилась 627 лет.
📍 Мы, с легкой руки, назвали эту оценку энтропийным верхним пределом ПЖ, подразумевая, что соматические мутации в нашей ДНК носят характер необратимой потери биологической информации.
📍 Подход, который мы использовали для оценки ПЖ, может быть обобщен на другие фундаментальные механизмы старения. И, что важнее всего, позволяет количественно оценить независимый вклад каждого из них в снижение ПЖ.
📍 Этот результат немного челленджит концепцию "longevity escape velocity", указывая на то, что как бы мы не старались выигрывать дополнительные годы жизни за счет прогресса в технологиях, существуют процессы, которые непреодолимы уже из термодинамических соображений - конечно, при условии, что мы не научимся заменять нейроны головного мозга (что сейчас тоже активно разрабатывается).
🧠 Мысли:
Прежде всего подчеркнем, что это математическая оценка (хотя и очень аккуратная), а не результат реального эксперимента. Ее точно не стоит воспринимать как некую безысходность, но и игнорировать роль соматических мутаций в старении тоже не стоит. Любопытно, что соматические мутации оказались, в конечно счете, довольно слабым механизмом старения, если рассматривать его изолированно. Вполне возможно, что их губительная роль вырастает в связке с другими механизмами старения, но это вопрос будущих исследований.
Препринт
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4❤3👍2🤡1
Заметки лабораторного кота
Иногда в нашу жизнь неожиданно врываются старые добрые знакомые.
Никогда не знаешь, кого из них снова встретишь на своём пути.
🤔4🤡1
Forwarded from EvgBiotch 🧬
🌿 Наноцветы молибдена: новый инструмент для биогенеза митохондрий
Митохондрии — это не просто «энергетические станции» клетки. Это сложные органеллы с собственным геномом, участвующие в сигнальных путях, апоптозе (программирумой гибели клеток) и метаболической регуляции. Их дисфункция — краеугольный камень в патогенезе целого ряда возраст-зависимых заболеваний.
❗️Проблема: энергетический кризис клетки
С возрастом эффективность работы митохондриальной сети снижается. Накопление соматических мутаций в мтДНК, окислительный стресс и нарушение механизмов контроля качества (митофагии) приводят к энергодефициту. Это не просто следствие старения, а один из его вероятных драйверов. Клетки теряют способность к пролиферации, нормальному функционированию и регенерации, что проявляется в нейродегенерации, кардиопатологиях и саркопении.
Инновационная стратегия: каталитическая стимуляция
🩻 Международная группа исследователей предложила оригинальное решение, используя наноматериалы на основе молибдена. Эти структуры, по форме напоминающие цветы, обладают выраженной способностью к усилению синтеза митохондрий.
Механизм действия: от катализа к биогенезу
🌸 Наноцветы действуют как искусственные ферменты (нанозимы), эффективно катализирующие ключевые реакции в клеточной среде. Предполагается, что они могут модулировать окисление в клетке, создавая прооксидантный сигнал, который, в свою очередь, служит триггером для адаптивного ответа.
⚡️ Активация биогенеза. Он заключается в активации главных регуляторов митохондриального биогенеза — каскада, ключевым игроком в котором является коактиватор PGC-1α (PPAR-gamma coactivator 1-alpha). PGC-1α действует как «транскрипционный переключатель», активируя ядерные гены, ответственные за создание новых митохондрий. Таким образом, наноцветы не «поставляют» энергию, а заставляют саму клетку запустить процесс строительства новых, функциональных органелл.
🗣 Межклеточный перенос (митохондриальный транспорт). Наиболее интригующий аспект — способность обработанных стволовых клеток делиться митохондриями с соседними, стареющими клетками. Этот процесс, известный как горизонтальный перенос органелл, позволяет «оздоровить» поврежденную клеточную популяцию, не воздействуя на каждую клетку напрямую.
🧐 Оценка перспектив: между прорывом и реальностью
Является ли это революцией? С методологической точки зрения — безусловно. Это элегантный пример интервенции на стыке нанотехнологий и клеточной биологии, позволяющий целенаправленно управлять фундаментальным клеточным процессом.
Однако путь к клинике тернист. Ключевые нерешенные вопросы включают:
Биораспределение и таргетинг: Как доставить наноцветы именно к нужным тканям (например, к нейронам при болезни Паркинсона)?
Долгосрочная безопасность: Как поведет себя неорганический наноматериал в организме в перспективе нескольких лет? Возможны ли отдаленные последствия?
Контроль и специфичность: Не приведет ли избыточная стимуляция к неконтролируемому росту или иным непредсказуемым эффектам?
Очевидно, что открытие не решит проблему старения в одночасье, но оно предоставляет мощный новый инструмент для исследования митохондриальной физиологии и разработки будущих терапевтических стратегий.
Митохондрии — это не просто «энергетические станции» клетки. Это сложные органеллы с собственным геномом, участвующие в сигнальных путях, апоптозе (программирумой гибели клеток) и метаболической регуляции. Их дисфункция — краеугольный камень в патогенезе целого ряда возраст-зависимых заболеваний.
❗️Проблема: энергетический кризис клетки
С возрастом эффективность работы митохондриальной сети снижается. Накопление соматических мутаций в мтДНК, окислительный стресс и нарушение механизмов контроля качества (митофагии) приводят к энергодефициту. Это не просто следствие старения, а один из его вероятных драйверов. Клетки теряют способность к пролиферации, нормальному функционированию и регенерации, что проявляется в нейродегенерации, кардиопатологиях и саркопении.
Инновационная стратегия: каталитическая стимуляция
Механизм действия: от катализа к биогенезу
🌸 Наноцветы действуют как искусственные ферменты (нанозимы), эффективно катализирующие ключевые реакции в клеточной среде. Предполагается, что они могут модулировать окисление в клетке, создавая прооксидантный сигнал, который, в свою очередь, служит триггером для адаптивного ответа.
🧐 Оценка перспектив: между прорывом и реальностью
Является ли это революцией? С методологической точки зрения — безусловно. Это элегантный пример интервенции на стыке нанотехнологий и клеточной биологии, позволяющий целенаправленно управлять фундаментальным клеточным процессом.
Однако путь к клинике тернист. Ключевые нерешенные вопросы включают:
Биораспределение и таргетинг: Как доставить наноцветы именно к нужным тканям (например, к нейронам при болезни Паркинсона)?
Долгосрочная безопасность: Как поведет себя неорганический наноматериал в организме в перспективе нескольких лет? Возможны ли отдаленные последствия?
Контроль и специфичность: Не приведет ли избыточная стимуляция к неконтролируемому росту или иным непредсказуемым эффектам?
Очевидно, что открытие не решит проблему старения в одночасье, но оно предоставляет мощный новый инструмент для исследования митохондриальной физиологии и разработки будущих терапевтических стратегий.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3❤1🤡1😍1
Forwarded from Зоопарк из слоновой кости
#зоопарк_одобряет
Инженерия бактериофагов: обнаружен "скрытый регулятор" в хвостовых белках, влияющий на эффективность вирусов
При создании синтетических бактериофагов учёные из Института химической биологии и фундаментальной медицины СО #РАН (Новосибирск) обнаружили неожиданную роль N-концевого домена в белках так называемых хвостовых шипов, которые распознают капсульные полисахариды на поверхности бактерий и энзиматически деградируют их, что необходимо вирусу, чтобы заразить бактериальную клетку. Однако с рецептором связывается С-концевая часть белка, N-концевые домены, как считалось ранее, выполняют лишь структурную «якорную» функцию.
При исследовании результатов искусственной "пересадки" хвостовых примере между фагами клебсиеллы KP192/KP195 выяснилось, что N-концевой домен белка TspA (хвостовой шип А) существенно влияет на связывание с рецепторами и гидролитическую активность С-концевой энзиматической части этого белка и даже на его ферментативную активность.
На практике это значит, что при конструировании фагов с изменённой специфичностью к хозяевам необходимо тщательно подбирать N-концевой домен или, возможно, точку перехода между Т-концевым доменом фага-реципиента и остальной частью шипа от фага-донора. От этого зависит не только узнавание рецепторов, но и общая жизнеспособность фага. Работа открывает выявила ранее неизвестные "подводные камни" для создания более эффективных фаговых терапевтических агентов. Но тот, кто предупрежден, тот вооружен, поэтому учет полученных результатов несомненно будет способствовать успеху подобной биоконструкторской работы.
Статья вышла в International Journal of Molecular Sciences (IF = 4.9)
https://www.mdpi.com/1422-0067/26/23/11297
Инженерия бактериофагов: обнаружен "скрытый регулятор" в хвостовых белках, влияющий на эффективность вирусов
При создании синтетических бактериофагов учёные из Института химической биологии и фундаментальной медицины СО #РАН (Новосибирск) обнаружили неожиданную роль N-концевого домена в белках так называемых хвостовых шипов, которые распознают капсульные полисахариды на поверхности бактерий и энзиматически деградируют их, что необходимо вирусу, чтобы заразить бактериальную клетку. Однако с рецептором связывается С-концевая часть белка, N-концевые домены, как считалось ранее, выполняют лишь структурную «якорную» функцию.
При исследовании результатов искусственной "пересадки" хвостовых примере между фагами клебсиеллы KP192/KP195 выяснилось, что N-концевой домен белка TspA (хвостовой шип А) существенно влияет на связывание с рецепторами и гидролитическую активность С-концевой энзиматической части этого белка и даже на его ферментативную активность.
На практике это значит, что при конструировании фагов с изменённой специфичностью к хозяевам необходимо тщательно подбирать N-концевой домен или, возможно, точку перехода между Т-концевым доменом фага-реципиента и остальной частью шипа от фага-донора. От этого зависит не только узнавание рецепторов, но и общая жизнеспособность фага. Работа открывает выявила ранее неизвестные "подводные камни" для создания более эффективных фаговых терапевтических агентов. Но тот, кто предупрежден, тот вооружен, поэтому учет полученных результатов несомненно будет способствовать успеху подобной биоконструкторской работы.
Статья вышла в International Journal of Molecular Sciences (IF = 4.9)
https://www.mdpi.com/1422-0067/26/23/11297
MDPI
The N-Terminal Domain of Tailspike Depolymerases Affects the Replication Efficiency of Synthetic Klebsiella Phages | MDPI
Bacteriophage receptor-binding proteins are often attached to the tail via a conserved N-terminal adapter/anchor domain, presumed to function independently from the distal receptor-binding/catalytic domain.
❤1👍1🔥1🤔1🤡1
Forwarded from Solid State Humanity
Вакцина от старения
Immorta Bio опубликовала международную заявку на патент для SenoVax - новой сенолитической вакцины, предназначенной для уничтожения стареющих клеток. Это первая попытка сделать именно "вакцину против клеточного старения".
Обычные сенолитики - это химические препараты, которые заставляют старые клетки погибать. SenoVax работает иначе: обучает иммунную систему распознавать и убирать такие клетки самостоятельно. Такая стратегия потенциально безопаснее и может давать долгий эффект.
Сенесцентные клетки - один из ключевых факторов старения: они вызывают хроническое воспаление, ухудшают работу органов и создают среду, облегчающую рост рака. Поэтому их устранение одновременно бьёт по двум мишеням - старению и онкологии.
По данным компании, в опытах на животных SenoVax снижала рост опухолей лёгких, молочной железы, мозга, кожи и поджелудочной. Важно, что препарат не атакует опухоль напрямую, а устраняет поддерживающие её стареющие клетки.
В доклинических исследованиях Immorta Bio также сообщила о значительных улучшениях продолжительности и качества жизни - более чем в 2 раза, но это пока только животные модели.
Компания планирует комбинировать SenoVax со своей клеточной терапией StemCellRevivify - молодыми прогениторными и мезенхимальными клетками, которые восстанавливают способность тканей к регенерации. В их концепции старение вызвано двумя общими механизмами: накоплением повреждений (сенесценция) и потерей регенерации.
Первые клинические испытания должны начаться по IND-заявке в FDA, с фокусом на тяжёлый рак лёгких. Если безопасность и эффективность подтвердятся, Immorta Bio хочет постепенно расширять показания - от онкологии к возрастным заболеваниям и в итоге к лечению самого процесса старения.
Публикация патента укрепляет позицию компании на рынке и повышает доверие инвесторов. Однако направление новое, и успех будет зависеть от безопасности, стабильности эффекта и возможности массового производства "вакциноподобного" биопрепарата.
Если подход подтвердится, это может стать поворотным моментом для всей области сенолитиков - переход от краткосрочных малых молекул к долговременному иммунному перепрограммированию
https://www.immortabio.com/senovax
Immorta Bio опубликовала международную заявку на патент для SenoVax - новой сенолитической вакцины, предназначенной для уничтожения стареющих клеток. Это первая попытка сделать именно "вакцину против клеточного старения".
Обычные сенолитики - это химические препараты, которые заставляют старые клетки погибать. SenoVax работает иначе: обучает иммунную систему распознавать и убирать такие клетки самостоятельно. Такая стратегия потенциально безопаснее и может давать долгий эффект.
Сенесцентные клетки - один из ключевых факторов старения: они вызывают хроническое воспаление, ухудшают работу органов и создают среду, облегчающую рост рака. Поэтому их устранение одновременно бьёт по двум мишеням - старению и онкологии.
По данным компании, в опытах на животных SenoVax снижала рост опухолей лёгких, молочной железы, мозга, кожи и поджелудочной. Важно, что препарат не атакует опухоль напрямую, а устраняет поддерживающие её стареющие клетки.
В доклинических исследованиях Immorta Bio также сообщила о значительных улучшениях продолжительности и качества жизни - более чем в 2 раза, но это пока только животные модели.
Компания планирует комбинировать SenoVax со своей клеточной терапией StemCellRevivify - молодыми прогениторными и мезенхимальными клетками, которые восстанавливают способность тканей к регенерации. В их концепции старение вызвано двумя общими механизмами: накоплением повреждений (сенесценция) и потерей регенерации.
Первые клинические испытания должны начаться по IND-заявке в FDA, с фокусом на тяжёлый рак лёгких. Если безопасность и эффективность подтвердятся, Immorta Bio хочет постепенно расширять показания - от онкологии к возрастным заболеваниям и в итоге к лечению самого процесса старения.
Публикация патента укрепляет позицию компании на рынке и повышает доверие инвесторов. Однако направление новое, и успех будет зависеть от безопасности, стабильности эффекта и возможности массового производства "вакциноподобного" биопрепарата.
Если подход подтвердится, это может стать поворотным моментом для всей области сенолитиков - переход от краткосрочных малых молекул к долговременному иммунному перепрограммированию
https://www.immortabio.com/senovax
🔥3❤2👍1
Forwarded from Зоопарк из слоновой кости
#обозревая_происходящее
Помните, мы писали про яндексовский проект "Школа анализа данных"? В общем, новый поток благополучно стартовал - это трек для ученых, на котором начали обучать внедрению нейросетей в проекты, совершенно бесплатный (при условии успешной сдачи вступительных экзаменов, конечно).
Идея простая: ученые тащат свои реальные (не учебные) научные рабочие кейсы, где нужен ИИ - им показывают, как использовать ИИ для своих задач. Зачем - тоже понятно: ИИ в науке уже применяется массово и практически везде, трудно даже сказать, где больше всего (физика? Молбиол?), поэтому уметь работать с этим инструментом на продвинутом уровне - это очень хорошая прокачка.
Короче, народу пришло довольно много, причем с очень хорошим географическим охватом (аж 37 регионов). Лидируют среди участников физики - больше четверти потока, а вообще учится там 50 человек.
В общем, нам такие проекты определенно нравятся. Экспертиза ШАД (а там работают очень крутые ребята) - это очень весомый плюс.
Помните, мы писали про яндексовский проект "Школа анализа данных"? В общем, новый поток благополучно стартовал - это трек для ученых, на котором начали обучать внедрению нейросетей в проекты, совершенно бесплатный (при условии успешной сдачи вступительных экзаменов, конечно).
Идея простая: ученые тащат свои реальные (не учебные) научные рабочие кейсы, где нужен ИИ - им показывают, как использовать ИИ для своих задач. Зачем - тоже понятно: ИИ в науке уже применяется массово и практически везде, трудно даже сказать, где больше всего (физика? Молбиол?), поэтому уметь работать с этим инструментом на продвинутом уровне - это очень хорошая прокачка.
Короче, народу пришло довольно много, причем с очень хорошим географическим охватом (аж 37 регионов). Лидируют среди участников физики - больше четверти потока, а вообще учится там 50 человек.
В общем, нам такие проекты определенно нравятся. Экспертиза ШАД (а там работают очень крутые ребята) - это очень весомый плюс.
Telegram
Зоопарк из слоновой кости
#обозревая_происходящее #зоопарк_одобряет
Мы уже много раз писали про всякое интересное от Яндекса в контексте ИИ. Так вот, теперь их Школа анализа данных запускает программу "Искусственный интеллект в естественно-научных исследованиях". Ученые в области…
Мы уже много раз писали про всякое интересное от Яндекса в контексте ИИ. Так вот, теперь их Школа анализа данных запускает программу "Искусственный интеллект в естественно-научных исследованиях". Ученые в области…
Forwarded from Ряды Фурье
Уиии! Тут самые пугающие хорошие новости, которые мы слышали за год!
Пока вы тут сидите, там уже выпустили первые вирусы, сконструированные нейросетями.
Вот работа про то, как учёные первый раз смогли собрать жизнеспособные вирусы с заданной архитектурой. Использовали не ChatGPT, конечно, а две специализированные модели, но напоминаем, что генетика, музыка и изображения — это тоже языки, и там прорывы пошли вместе с развитием языковых моделей, по сути, адаптацией LLM.
302 собранных вируса дали 16 жизнеспособных (насколько вообще это слово уместно для вируса) вариантов, из них 2 вируса — эффективнее природных аналогов в решении поставленной задачи. Решение поставленной задачи — это оставить человека без микрофлоры желудка (на самом деле убивать E. Coli, резистентные к бактериофагам). За основу взяли архитектуру ΦХ174 с одноцепочечной ДНК размером 5 килобаз. Один из его научных детей, Evo-Φ2147, настолько далёк от исходника, что это теперь новый биологический вид на нашей планете.
Пока это организмы объёмом 1,2+ килобайта (5-5,4 килобаз), но всё равно очень круто. Если что, в геноме важно не только как записан код, но и взаимное геометрическое расположение участков, регуляторные блоки между ними и т.п.
До этого глубины проектирования хватало на маленькие системы вроде белка, но не на целый рабочий вирус.
Никто не мог спроектировать целый работающий геном.
То есть тут взяли святой Грааль синтетической биологии.
Что сделали:
— Взяли модель, наученную на геномах
— Зафайнтюнили 15 тысячами геномов вирусов Microviridae, но исключили из обучающих данных все вирусы, которые заражают эукариот (животных, растения, людей). Потому что страшно же!
— Дали промпт в виде первых букв генома родительского ΦX174
— В ответ модель генерировала тысячи полных геномов длиной около 5400 токенов, которые были похожи на ΦX174.
— Отсеивали геномы неправильной длины, с аномальным составом ДНК и т.д.
— Пропускали только те геномы, у которых целевой белок заражения E. Coli был похож на оригинал минимум на 60%.
— Отбирали геномы, которые были достаточно далеки от уже известных природных вирусов, чтобы это было действительно что-то новое.
302 самых удачных дизайна ушли в синтез. В смысле, их прям собрали в пробирке. Ввели эту синтетическую ДНК в живые бактерии E. coli. Если геном был рабочим, он захватывал клетку, заставлял её производить новые вирусные частицы, после чего клетка погибала. Ученые могли это увидеть по тому, как культура бактерий переставала расти.
2 оказались лучше оригинала. 1 оказался принципиально новым дизайном. Например, в одном из участков модель заменила ключевой белок "J" (отвечает за упаковку ДНК в капсид) на белок от очень далекого вируса-родственника (G4). Раньше считалось, что такая замена невозможна и делает вирус нежизнеспособным. Но тут код вкрячили, и получилось.
Затем учёные вывели три штамма E. coli, устойчивых к природному фагу ΦX174. А новые синтетические вирусы пришли и поубивали и этих.
Так что добро пожаловать в начало новой эпохи. Теперь можно учиться вайб-кодить организмы. И у нас наконец-то появляется замена антибиотикам в войне против супербактерий. Возможно, ещё и ядерному оружию в деле уничтожения цивилизации, но это как пойдёт.
--
Вступайте в ряды Фурье!
— А как думаешь, в этом лесу есть что-нибудь съедобное?
— Да, мы.
Пока вы тут сидите, там уже выпустили первые вирусы, сконструированные нейросетями.
Вот работа про то, как учёные первый раз смогли собрать жизнеспособные вирусы с заданной архитектурой. Использовали не ChatGPT, конечно, а две специализированные модели, но напоминаем, что генетика, музыка и изображения — это тоже языки, и там прорывы пошли вместе с развитием языковых моделей, по сути, адаптацией LLM.
302 собранных вируса дали 16 жизнеспособных (насколько вообще это слово уместно для вируса) вариантов, из них 2 вируса — эффективнее природных аналогов в решении поставленной задачи. Решение поставленной задачи — это оставить человека без микрофлоры желудка (на самом деле убивать E. Coli, резистентные к бактериофагам). За основу взяли архитектуру ΦХ174 с одноцепочечной ДНК размером 5 килобаз. Один из его научных детей, Evo-Φ2147, настолько далёк от исходника, что это теперь новый биологический вид на нашей планете.
Пока это организмы объёмом 1,2+ килобайта (5-5,4 килобаз), но всё равно очень круто. Если что, в геноме важно не только как записан код, но и взаимное геометрическое расположение участков, регуляторные блоки между ними и т.п.
До этого глубины проектирования хватало на маленькие системы вроде белка, но не на целый рабочий вирус.
Никто не мог спроектировать целый работающий геном.
То есть тут взяли святой Грааль синтетической биологии.
Что сделали:
— Взяли модель, наученную на геномах
— Зафайнтюнили 15 тысячами геномов вирусов Microviridae, но исключили из обучающих данных все вирусы, которые заражают эукариот (животных, растения, людей). Потому что страшно же!
— Дали промпт в виде первых букв генома родительского ΦX174
— В ответ модель генерировала тысячи полных геномов длиной около 5400 токенов, которые были похожи на ΦX174.
— Отсеивали геномы неправильной длины, с аномальным составом ДНК и т.д.
— Пропускали только те геномы, у которых целевой белок заражения E. Coli был похож на оригинал минимум на 60%.
— Отбирали геномы, которые были достаточно далеки от уже известных природных вирусов, чтобы это было действительно что-то новое.
302 самых удачных дизайна ушли в синтез. В смысле, их прям собрали в пробирке. Ввели эту синтетическую ДНК в живые бактерии E. coli. Если геном был рабочим, он захватывал клетку, заставлял её производить новые вирусные частицы, после чего клетка погибала. Ученые могли это увидеть по тому, как культура бактерий переставала расти.
2 оказались лучше оригинала. 1 оказался принципиально новым дизайном. Например, в одном из участков модель заменила ключевой белок "J" (отвечает за упаковку ДНК в капсид) на белок от очень далекого вируса-родственника (G4). Раньше считалось, что такая замена невозможна и делает вирус нежизнеспособным. Но тут код вкрячили, и получилось.
Затем учёные вывели три штамма E. coli, устойчивых к природному фагу ΦX174. А новые синтетические вирусы пришли и поубивали и этих.
Так что добро пожаловать в начало новой эпохи. Теперь можно учиться вайб-кодить организмы. И у нас наконец-то появляется замена антибиотикам в войне против супербактерий. Возможно, ещё и ядерному оружию в деле уничтожения цивилизации, но это как пойдёт.
--
Вступайте в ряды Фурье!
— Да, мы.
😱3👎1
Forwarded from Forever and BioMed
Одно из главных открытий современной микробиологии 🤓
...кстати, с интереснейшимитерапевтическими перспективами !
Но обо всём по порядку - для начала, о сути работы:
🔹 учёные открыли целый "скрытый микромир" - ДНК-вирусы, заражающие одноклеточных эукариот; так называемые мирусвирусы оказались повсеместно распространены во всяких водных и грунтовых экосистемах,
🔹 первая "фишка" этих вирусов - очень (т.е. прямо оооочень) большие геномы но и почти полное отсутствие собственных генов репликации и транскрипции, включая ДНК-полимеразу; потому они вынуждены размножаться в ядре хозяина, целиком опираясь на его ферменты,
🔹 второй важнейший инсайт - у мирусвирусов открыт новый тип мобильных генетических элементов; ок, мобильность у них ограничена геномом самого вируса и названы они "spliceosomal homing introns" (shintrons); но главное, что на самом деле это не-совсем-интроны - таковыми, принято называть не-кодирующие участки генома - а внутри этих элементов сидит ген белка-эндонуклеазы, молекулярного "резака", что позволяет shintron'ам копировать самих себя в новые регионы ДНК вируса.
...обсуждаемая публикация доступна в Nature Microbiology ⬅️
Среди авторов - Евгений Кунин,великий и ужасный, вероятно самый цитируемый в мире русскоязычный учёный, выдающийся специалист по эволюционной биологии. Всем, кому интересна современная Наука, я настоятельно рекомендую послушать его разнообразные интервью - соотв. ссылки я публиковал в Канале ➡️ там и сям ⬅️
Теперь о том, почему мирусвирусы видятся потенциальными кандидатами на создание новых классов биомедицинских векторов = доставщиков генетического материала с терапевтическими свойствами:
🔸 у них очень большая "грузоподъёмность" генома, в десятки раз больше чем у аденовирусов, столь популярных в передовых терапиях - но и в небольшой размер генома которых "упёрлась" биомедицина,
🔸 к этому добавляется сплайсируемая - а значит, в перспективе регулируемая - сборка генов, заключённых в мирусвирусы,
🔸 а напоследок - если получится - и вовсе пере-нацеливание вирусных эндонуклеаз на геном хозяина, что позволяет "запрограммировать" конкретику модификаций ДНК человеческих клеток.
...по аналогии: CRISPR (про который не слышал теперь только самый ленивый) был открыт в прокариотах - и лишь после нескольких лет исследований, проб и ошибок превратился в инструмент (ныне главный!) модификации генома людей; так что я верю, что мирусвирусы способны превратиться в эффективные терапевтические кассеты; это сугубое ИМХО - если ошибусь, прошу никого не винить в смерти соотв. гипотезы 😎
...кстати, с интереснейшими
Но обо всём по порядку - для начала, о сути работы:
🔹 учёные открыли целый "скрытый микромир" - ДНК-вирусы, заражающие одноклеточных эукариот; так называемые мирусвирусы оказались повсеместно распространены во всяких водных и грунтовых экосистемах,
🔹 первая "фишка" этих вирусов - очень (т.е. прямо оооочень) большие геномы но и почти полное отсутствие собственных генов репликации и транскрипции, включая ДНК-полимеразу; потому они вынуждены размножаться в ядре хозяина, целиком опираясь на его ферменты,
🔹 второй важнейший инсайт - у мирусвирусов открыт новый тип мобильных генетических элементов; ок, мобильность у них ограничена геномом самого вируса и названы они "spliceosomal homing introns" (shintrons); но главное, что на самом деле это не-совсем-интроны - таковыми, принято называть не-кодирующие участки генома - а внутри этих элементов сидит ген белка-эндонуклеазы, молекулярного "резака", что позволяет shintron'ам копировать самих себя в новые регионы ДНК вируса.
...обсуждаемая публикация доступна в Nature Microbiology ⬅️
Среди авторов - Евгений Кунин,
Теперь о том, почему мирусвирусы видятся потенциальными кандидатами на создание новых классов биомедицинских векторов = доставщиков генетического материала с терапевтическими свойствами:
🔸 у них очень большая "грузоподъёмность" генома, в десятки раз больше чем у аденовирусов, столь популярных в передовых терапиях - но и в небольшой размер генома которых "упёрлась" биомедицина,
🔸 к этому добавляется сплайсируемая - а значит, в перспективе регулируемая - сборка генов, заключённых в мирусвирусы,
🔸 а напоследок - если получится - и вовсе пере-нацеливание вирусных эндонуклеаз на геном хозяина, что позволяет "запрограммировать" конкретику модификаций ДНК человеческих клеток.
...по аналогии: CRISPR (про который не слышал теперь только самый ленивый) был открыт в прокариотах - и лишь после нескольких лет исследований, проб и ошибок превратился в инструмент (ныне главный!) модификации генома людей; так что я верю, что мирусвирусы способны превратиться в эффективные терапевтические кассеты; это сугубое ИМХО - если ошибусь, прошу никого не винить в смерти соотв. гипотезы 😎
Nature
Widespread and intron-rich mirusviruses are predicted to reproduce in nuclei of unicellular eukaryotes
Nature Microbiology - Environmental metagenomic explorations show that Mirusviricota lineages lack essential replication and transcription genes and contain spliceosomal introns, suggesting nuclear...
👍2
Forwarded from Биоэтика и биотех
Вакцина от старения SenoVax. Что это и станем ли мы все вечно молодыми?
ImmortaBio выпустила пресс-релиз в тандеме с научной публикацией. Их вакцина - это натренированные против молекул старости дендритные клетки, но разрабатывают их не только как сенолитическую вакцину (против старения), но и как противоопухолевую терапию. Разбираемся.
1️⃣ Берем фибробласты (клетки соединительной ткани, есть везде)
2️⃣ Состариваем их, обрабатывая доксирубицином (это химиотерапия, которая нарушает деление клеток на уровне ДНК и ускоряет старение клеток и их апоптоз, и, к сожалению, не только опухолевых).
3️⃣ Растворяем старые фибробласты, получаем лизат - набор молекул, характерных для старых клеток. Тут защищено патентом, детали не знаем.
4️⃣ Пунктируем костный мозг пациента и из клеток-предшественников выращиваем дендритные клетки - это ветвистые, словно с длинными дредами клетки иммунной системы, которые нацеливают наши лимфоциты на мишени
4️⃣ Обрабатываем дендритные клетки лизатом старых фибробластов, таким образом натаскивая их на "молекулы старости" (хотя на деле они есть везде, просто обычно их меньше).
В статье сказали "пульсируем", что означает воздействие лизатом в течении 24 часов в объеме 1:10
5️⃣ Вводим эти готовые дендритные клетки в тело, чтобы они тренировали лимфоциты.
Они попробовали разные способы: за 7 дней до имплантации опухоли, или через неделю после появления, а также подкожно и внутривенно.
При чем тут опухоли?
Дело в том, что характерный профиль сенесцентных (старых) клеток очень похож на профиль клеток опухолей. В итоге, сенолитики должны нарушать работу не только старых клеток, но и рака.
То есть компания разрабатывала как бы противоопухолевый и сенолитический препарат одновременно, это позволяет прикрыть риски, поскольку таргетная (узко направленная) сенолитическая терапия показывает себя не очень эффективно, и рак актуальне.
Эксперимент провели на карциноме легких, определенных вариантах глиомы, рака поджелудочной железы и рака молочной железы. Но лечили рак не только лишь этой вакциной.
Эффективность была обусловлена синергичным (совместным) эффектом вместе с иммунотерапией (анти-PD-L1 и анти-CTLA4). Именно эта комбинация заслужила особое внимание, а не сама по себе "вакцина от старения", поскольку иммунотерапия пусть и очень прогрессивный путь лечения рака, но не универсальный, имеет ограничения и осложнения, и, возможно, комбинация с такой клеточной сенолитической вакциной повысит результативность лечения рака
Компания уже подала заявку в FDA США на начало клинических испытаний на людях для лечения поздних стадий рака легких.
Однако мы ещё не знаем, получат ли они разрешение, и если получат, то какова будет результативность первой фазы - безопасность и переносимость.
Затем последуют (если последуют) другие фазы, уже направленные на определение её клинической эффективности.
Тут я рассказывал про 🇯🇵 пептидную вакцину против белка GPNMB+, который тоже характерен для старых и опухолевых клеток. Однако антительная терапия против этого белка (от другой компании) на клинических испытаниях 2-3 фазы против рака оказалась не эффективной. И хотя в опытах на мышах вакцина показывала хорошие результаты, в том числе омолаживающие, сейчас про эту вакцину ничего не слышно.
У такого лечения безусловно должны быть побочные эффекты, как и у любой клеточной терапии, нацеленной на собственные молекулы тела. Однако сегодня очень много исследований об эффективности воздействия на сенолитические клетки, в том числе воздействие на GPNMB+ приводит к уменьшению атеросклероза, нейродегенерации, метаболического синдрома, онкологии...
Поглядим, к чему приведет эта разработка.
#биотехнологии #старение #вакцины #longevity #рак
ImmortaBio выпустила пресс-релиз в тандеме с научной публикацией. Их вакцина - это натренированные против молекул старости дендритные клетки, но разрабатывают их не только как сенолитическую вакцину (против старения), но и как противоопухолевую терапию. Разбираемся.
1️⃣ Берем фибробласты (клетки соединительной ткани, есть везде)
2️⃣ Состариваем их, обрабатывая доксирубицином (это химиотерапия, которая нарушает деление клеток на уровне ДНК и ускоряет старение клеток и их апоптоз, и, к сожалению, не только опухолевых).
3️⃣ Растворяем старые фибробласты, получаем лизат - набор молекул, характерных для старых клеток. Тут защищено патентом, детали не знаем.
4️⃣ Пунктируем костный мозг пациента и из клеток-предшественников выращиваем дендритные клетки - это ветвистые, словно с длинными дредами клетки иммунной системы, которые нацеливают наши лимфоциты на мишени
4️⃣ Обрабатываем дендритные клетки лизатом старых фибробластов, таким образом натаскивая их на "молекулы старости" (хотя на деле они есть везде, просто обычно их меньше).
В статье сказали "пульсируем", что означает воздействие лизатом в течении 24 часов в объеме 1:10
5️⃣ Вводим эти готовые дендритные клетки в тело, чтобы они тренировали лимфоциты.
Они попробовали разные способы: за 7 дней до имплантации опухоли, или через неделю после появления, а также подкожно и внутривенно.
При чем тут опухоли?
Дело в том, что характерный профиль сенесцентных (старых) клеток очень похож на профиль клеток опухолей. В итоге, сенолитики должны нарушать работу не только старых клеток, но и рака.
То есть компания разрабатывала как бы противоопухолевый и сенолитический препарат одновременно, это позволяет прикрыть риски, поскольку таргетная (узко направленная) сенолитическая терапия показывает себя не очень эффективно, и рак актуальне.
Эксперимент провели на карциноме легких, определенных вариантах глиомы, рака поджелудочной железы и рака молочной железы. Но лечили рак не только лишь этой вакциной.
Эффективность была обусловлена синергичным (совместным) эффектом вместе с иммунотерапией (анти-PD-L1 и анти-CTLA4). Именно эта комбинация заслужила особое внимание, а не сама по себе "вакцина от старения", поскольку иммунотерапия пусть и очень прогрессивный путь лечения рака, но не универсальный, имеет ограничения и осложнения, и, возможно, комбинация с такой клеточной сенолитической вакциной повысит результативность лечения рака
Компания уже подала заявку в FDA США на начало клинических испытаний на людях для лечения поздних стадий рака легких.
Однако мы ещё не знаем, получат ли они разрешение, и если получат, то какова будет результативность первой фазы - безопасность и переносимость.
Затем последуют (если последуют) другие фазы, уже направленные на определение её клинической эффективности.
Тут я рассказывал про 🇯🇵 пептидную вакцину против белка GPNMB+, который тоже характерен для старых и опухолевых клеток. Однако антительная терапия против этого белка (от другой компании) на клинических испытаниях 2-3 фазы против рака оказалась не эффективной. И хотя в опытах на мышах вакцина показывала хорошие результаты, в том числе омолаживающие, сейчас про эту вакцину ничего не слышно.
У такого лечения безусловно должны быть побочные эффекты, как и у любой клеточной терапии, нацеленной на собственные молекулы тела. Однако сегодня очень много исследований об эффективности воздействия на сенолитические клетки, в том числе воздействие на GPNMB+ приводит к уменьшению атеросклероза, нейродегенерации, метаболического синдрома, онкологии...
Поглядим, к чему приведет эта разработка.
#биотехнологии #старение #вакцины #longevity #рак
❤3