6.9 C
Rome
sabato, Novembre 2, 2024
- Pubblicità -
notizieAmbienteIl farmaco per l'Alzheimer fermentato con l'aiuto dell'intelligenza artificiale e dei batteri...

Il farmaco per l’Alzheimer fermentato con l’aiuto dell’intelligenza artificiale e dei batteri si avvicina alla realtà

INFORMATIVA: Alcuni degli articoli che pubblichiamo provengono da fonti non in lingua italiana e vengono tradotti automaticamente per facilitarne la lettura. Se vedete che non corrispondono o non sono scritti bene, potete sempre fare riferimento all'articolo originale, il cui link è solitamente in fondo all'articolo. Grazie per la vostra comprensione.


La galantamina è un farmaco comune utilizzato dalle persone affette da malattia di Alzheimer e altre forme di demenza in tutto il mondo per trattare i loro sintomi. Sfortunatamente, sintetizzare i composti attivi in ​​laboratorio sulla scala necessaria non è commercialmente fattibile. Il principio attivo viene estratto dai narcisi attraverso un processo che richiede tempo e fattori imprevedibili, come il clima e la resa dei raccolti, possono influenzare l’offerta e il prezzo del farmaco.

Ora, i ricercatori dell’Università del Texas ad Austin hanno sviluppato strumenti – tra cui un sistema di intelligenza artificiale e biosensori luminosi – per sfruttare un giorno i microbi affinché facciano invece tutto il lavoro.

In un documento in Comunicazioni sulla natura, i ricercatori delineano un processo che utilizza batteri geneticamente modificati per creare un precursore chimico della galantamina come sottoprodotto del normale metabolismo cellulare del microbo. In sostanza, i batteri sono programmati per convertire il cibo in composti medicinali.

“L’obiettivo è quello di far fermentare farmaci come questo in grandi quantità”, ha affermato Andrew Ellington, professore di bioscienze molecolari e autore dello studio. “Questo metodo crea una fornitura affidabile che è molto meno costosa da produrre. Non ha una stagione di crescita e non può essere influenzata da siccità o inondazioni”.

Danny Diaz, un ricercatore post-dottorato del gruppo di ricerca Deep Proteins presso l’Institute for Foundations of Machine Learning (IFML) dell’UT, ha sviluppato un sistema di intelligenza artificiale chiamato MutComputeX che è la chiave del processo. Identifica come mutare le proteine ​​all’interno dei batteri per migliorarne l’efficienza e la temperatura operativa al fine di massimizzare la produzione di una sostanza chimica medicinale necessaria.

“Questo sistema ha aiutato a identificare le mutazioni che avrebbero reso i batteri più efficienti nel produrre la molecola bersaglio”, ha detto Diaz. “In alcuni casi, era fino a tre volte più efficiente del sistema naturale presente nei narcisi.”

Il processo di sfruttamento dei microbi per produrre sottoprodotti utili non è una novità. I birrai usano il lievito per produrre alcol e i batteri aiutano a creare formaggio e yogurt. La fermentazione microbica è attualmente utilizzata per produrre alcuni tipi di insulina per il trattamento del diabete, ormoni e proteine ​​ricombinanti utilizzate in diversi farmaci come i trattamenti autoimmuni e persino i vaccini. Ma l’applicazione dell’intelligenza artificiale nel processo è relativamente nuova e amplia ciò che è possibile fare con la fermentazione microbica.

Il gruppo di ricerca ha modificato geneticamente l’E. coli per produrre 4-O’Metil-norbelladina, un elemento chimico della galantamina. La molecola complessa appartiene a una famiglia di composti estratti dai narcisi che hanno usi medicinali nel trattamento di condizioni come il cancro, le infezioni fungine e le infezioni virali, ma l’utilizzo della fermentazione microbica per creare una sostanza chimica in questa famiglia è nuovo.

Gli scienziati hanno anche creato un biosensore fluorescente per rilevare e analizzare rapidamente quali batteri producevano le sostanze chimiche desiderate e in quale quantità. Quando il biosensore, una proteina creata appositamente, entra in contatto con la sostanza chimica che i ricercatori volevano creare, si illumina di verde.

“Il biosensore ci consente di testare e analizzare campioni in pochi secondi, quando prima occorrevano circa cinque minuti ciascuno”, ha affermato Simon d’Oelsnitz, ricercatore post-dottorato precedentemente all’UT Austin e ora all’Università di Harvard, il primo autore dell’articolo. “E il programma di apprendimento automatico ci consente di restringere facilmente i candidati da decine di migliaia a decine. Messi insieme, questi sono strumenti davvero potenti.”

Anche Wantae Kim, Daniel Acosta, Tyler Dangerfield, Mason Schechter, James Howard, Hannah Do, James Loy, Hal Alper e Y. Jessie Zhang dell’UT e Matthew Minus della Prairie View A&M University sono stati autori dell’articolo. La ricerca è stata sostenuta dal National Institute of Standards and Technology, dall’Air Force Office of Scientific Research e dal National Institutes of Health, mentre la National Science Foundation sostiene l’IFML. Le risorse informatiche sono state fornite da Advanced Micro Devices.

Coloro che sono coinvolti in questa ricerca hanno presentato i moduli di divulgazione finanziaria richiesti all’Università, ed Ellington, Diaz e d’Oelsnitz hanno depositato una domanda di brevetto sui materiali descritti in questo testo. Diaz e d’Oelsnitz sono entrambi coinvolti in startup legate a questa ricerca.



Da un’altra testata giornalistica. news de www.sciencedaily.com

LASCIA UN COMMENTO

Per favore inserisci il tuo commento!
Per favore inserisci il tuo nome qui

- Pubblicità -
- Pubblicità -Newspaper WordPress Theme

Contenuti esclusivi

Iscriviti oggi

OTTENERE L'ACCESSO ESCLUSIVO E COMPLETO AI CONTENUTI PREMIUM

SOSTENERE IL GIORNALISMO NON PROFIT

Get unlimited access to our EXCLUSIVE Content and our archive of subscriber stories.

- Pubblicità -Newspaper WordPress Theme

Articoli più recenti

Altri articoli

- Pubblicità -Newspaper WordPress Theme

INFORMATIVA: Alcuni degli articoli che pubblichiamo provengono da fonti non in lingua italiana e vengono tradotti automaticamente per facilitarne la lettura. Se vedete che non corrispondono o non sono scritti bene, potete sempre fare riferimento all'articolo originale, il cui link è solitamente in fondo all'articolo. Grazie per la vostra comprensione.