Математика, нейросети и мозг: как мы делаем «супер-селективные» нанолекарства

На днях лаборатория, где я (@GingerSpacetail) имею удовольствие работать, попала во все новости (раз, два, три, четыре, пять): нам, похоже, удалось обратить развитие болезни Альцгеймера (AD) у мышей.

В чем суть.
Гематоэнцефалический барьер (ГЭБ) - это такая строгая охрана мозга. Он пропускает только избранные молекулы, и вежливо выпроваживает вредные соединения. При болезни Альцгеймера его поведение ломается, например, он не выводит неправильно свернувшиеся токсичные белки β-амилоида (Aβ), которые по основной гипотезе не только симптом, но и главная причина болезни.

В свежеопубликованной работе мои коллеги биохимики показали, что можно не только проникнуть через барьер, но и починить его функцию.
Наши наночастицы - полимерсомы, нацеленные на транспортный рецептор LRP1 - задизайнены принципу мультивалентного связывания, чтобы проникнуть в мозг. Но как оказалось, они «перепрограммируют» LRP1. Экспрессия рецепторов повышается, и начинается более активный перенос вещества через барьер (трансцитоз), т.е. организм эффективнее вычищает Aβ из мозга.

Результаты ошеломили даже нас:
🧩 уровень β-амилоида в мозге мышей снизился почти на 45%,
💉 в плазме вырос в восемь раз всего за два часа,
🎹 поведенческие тесты показали, что у мышек, получавших лечение, улучшалась когнитивные способности и память.
Даже спустя 6 месяцев (это, на секундочку, полжизни AD мышек)

Открытие в буквально новой стратегии терапии через модификацию ГЭБ, где функция лекарства рождается из её супрамолекулярной архитектуры.

И как вы понимаете, за этим стоят годы работы ребят, - проб и ошибок.
Терерь на этих данных (симуляции, in vitro и in vivo) мы учим алгоритмы для двух задач:

1. ИИ скрининга кандидатов
Цель научиться подсказывать самые перспективные конфигурации наночастицы, которые стоит синтезировать и проверить in vitro.
Т.е. какие комбинации лигандов, радиус, степень полимеризации и тд, дадут лучшее связывание с таргетом. В случае AD - с клетками эндотелия мозга, а не с клетками печени. Это экономит время и ресурсы на экспериментах

2. PINNs для биораспределения.
А чтобы понять, как всё это распределяется в теле, мы натравили на задачу PINNs — physics-informed нейросети, которые дружат с дифференциальными уравнениями. Они помогают оценить, сколько наночастиц реально добирается до мозга. PINNs хорошо справляется на малых или шумных выборках (как вы понимаете, мышек было не тысячи). И это помогает спланировать эксперимент in vivo.

Почему это важно.
Сочетание физики и машинного обучения даёт управляемую, объяснимую стратегию дизайна т.н. супралекарств - не просто перебор параметров, а ИИ-ассистированный поиск областей в пространстве параметров, где частица становится одновременно селективной и способной преодолевать биологические барьеры.

🔬 Nature: Rapid amyloid-β clearance and cognitive recovery through multivalent modulation of blood–brain barrier transport

📰 The Telegraph: Alzheimer’s reversed in mice under breakthrough treatment