Các nhà nghiên cứu ở Scotland, Anh đã sử dụng mô hình học máy để xác định ba hợp chất chống lão hóa. Đây có thể là phương pháp hiệu quả để xác định các loại thuốc mới, đặc biệt là đối với các bệnh phức tạp.

Sự phân chia tế bào là cần thiết để cơ thể chúng ta phát triển và các mô tự làm mới. Sự lão hóa tế bào mô tả hiện tượng các tế bào ngừng phân chia vĩnh viễn nhưng vẫn tồn tại trong cơ thể, gây tổn thương mô và làm lão hóa toàn bộ các cơ quan và hệ thống của cơ thể.

Thông thường, các tế bào lão hóa được hệ miễn dịch loại bỏ khỏi cơ thể. Tuy nhiên, khi chúng ta già đi, khả năng kém hiệu quả của hệ miễn dịch trong việc loại bỏ các tế bào này đã khiến cho số lượng của chúng tăng lên. Sự gia tăng các tế bào lão hóa có liên quan đến các bệnh như ung thư, bệnh Alzheimer và các dấu hiệu lão hóa như thị lực kém và giảm khả năng vận động. Vì thế, các nhà khoa học đang nỗ lực tạo ra các chất chống lão hóa hiệu quả - hợp chất giúp loại bỏ các tế bào lão hóa.

Các nghiên cứu trước đây đã xác định được một số chất chống lão hóa triển vọng, nhưng chúng thường gây độc hại cho các tế bào khỏe mạnh. Giờ đây, nhóm nghiên cứu do các nhà khoa học tại Đại học Edinburgh ở Scotland dẫn đầu, đã sử dụng một phương pháp tiên phong để tìm ra các hóa chất có thể loại bỏ các tế bào lão hóa theo cách an toàn và hiệu quả.

Nhóm nghiên cứu đã thiết lập và đào tạo mô hình học máy để nó nhận diện các hóa chất có đặc tính chống lão hóa. Dữ liệu đào tạo mô hình được khai thác từ nhiều nguồn, bao gồm các bài báo học thuật và bằng sáng chế thương mại, đồng thời được kết hợp với các hợp chất từ hai thư viện hóa học hiện có chứa nhiều loại hợp chất được FDA chấp thuận hoặc ở giai đoạn lâm sàng.

Bộ dữ liệu đầy đủ chứa 2.523 hợp chất, bao gồm các hợp chất có cả đặc tính chống lão hóa và không chống lão hóa để không làm sai lệch thuật toán máy học. Thuật toán sau đó được sử dụng để sàng lọc hơn 4.000 hóa chất, từ đó xác định được 21 ứng cử viên tiềm năng.

Sau khi thử nghiệm các hợp chất tiềm năng, các nhà nghiên cứu phát hiện ra ba hóa chất ginkgetin, periplocin và oleandrin đã loại bỏ các tế bào lão hóa mà không gây tổn thương các tế bào khỏe mạnh. Trong số ba hợp chất đó, oleandrin được coi là hiệu quả nhất. Cả ba đều là sản phẩm tự nhiên được tìm thấy trong các loại thuốc thảo dược truyền thống.

Oleandrin được chiết xuất từ cây trúc đào (Nerium oleander) và có đặc tính tương tự như thuốc digoxin dùng để điều trị suy tim và một số biểu hiện do nhịp tim bất thường (loạn nhịp tim). Các nghiên cứu đã chỉ ra rằng oleandrin có các đặc tính chống ung thư, chống viêm, chống HIV, kháng khuẩn và chống oxy hóa. Tuy nhiên, oleandrin có độc tính quá cao để có thể sử dụng trong điều trị, đã cản trở ứng dụng lâm sàng của nó. Vì thế, oleandrin đã không được các cơ quan quản lý chấp thuận như một loại thuốc theo toa hoặc bổ sung vào chế độ ăn.

Giống như oleandrin, ginkgetin đã được chứng minh là có đặc tính chống ung thư, chống viêm, kháng khuẩn, chống oxy hóa và bảo vệ thần kinh. Ginkgetin được chiết xuất từ cây Bạch quả (Ginkgo biloba), loài cây sống lâu đời nhất có lá và hạt đã được sử dụng trong y học thảo dược Trung Quốc hàng nghìn năm. Chiết xuất Ginkgo biloba dạng cao cô đặc được làm từ lá khô của cây đã được thương mại. Đây là một trong những loại thảo dược bán chạy nhất ở Hoa Kỳ và châu Âu.

Periplocin được phân lập từ vỏ rễ của cây hương gia bì ở Trung Quốc (Periploca sepium). Các nghiên cứu đã chỉ ra rằng nó có thể cải thiện chức năng tim, cũng như ngăn chặn sự phát triển của tế bào và làm chết tế bào trong các tế bào ung thư.

Kết quả nghiên cứu chứng minh các hợp chất này phát huy hiệu quả tương đương hoặc cao hơn chất chống lão hóa được mô tả trong các nghiên cứu trước đây. Quan trọng hơn, phương pháp mới dựa trên máy học cực kỳ hiệu quả, giảm hơn 200 lần số lượng hợp chất cần sàng lọc. Đây là dấu mốc quan trọng để xác định các loại thuốc mới, đặc biệt là đối với các bệnh phức tạp. Hơn nữa, phương pháp mới tiết kiệm chi phí hơn so với các phương pháp sàng lọc thuốc thông thường như thử nghiệm lâm sàng và tiền lâm sàng.

Nghiên cứu được công bố trên tạp chí Nature Communications.

N.P.D (NASATI), theo https://newatlas.com/medical/machine-learning-algorithm-identifying-natural-anti-aging-chemicals/, 15/6/2023