Tutkijat ovat hyödyntäneet tekoälyä löytääkseen BRP-molekyylin tuhansista peptideistä. Tämä innovatiivinen lähestymistapa on mahdollistanut erityisesti ruokahaluun liittyvien aineenvaihduntareittien kohdistamisen ilman, että se vaikuttaa muihin kehon toimintoihin, kuten samankaltaiset lääkkeet tekevät.
BRP vaikuttaa pääasiassa hypotalamuksessa, aivojen alueella, joka on ratkaiseva nälänsäätelyssä. Eläinkokeet ovat osoittaneet merkittävää vähennystä ruokailussa ja painonpudotuksessa ilman muita hoitoja liittyviä pahoinvointia tai lihaskatoa.
Molekyyli on tunnistettu Peptide Predictor -nimisen algoritmin avulla, joka analysoi prohormonien pilkkoutumiskohtia. Tämä menetelmä on mahdollistanut 373 prohormonin valitsemisen 20 000 geenin joukosta, mikä on mahdotonta perinteisillä tekniikoilla.
Hiirillä ja sioilla tehdyt kokeet ovat vahvistaneet BRP:n tehokkuuden. Hoidetuilla eläimillä on ollut pääasiassa rasvan menetyksiä, ja niiden glukoositoleranssi on parantunut. Huomattavia sivuvaikutuksia ei ole havaittu, mikä avaa oven ihmiskokeille.
Tutkijat suunnittelevat nyt BRP:n spesifisten reseptoreiden tunnistamista ja sen vaikutusajan parantamista elimistössä. Nämä vaiheet ovat ratkaisevia käytännöllisen ja tehokkaan hoidon kehittämiseksi lihavuutta vastaan.
Tämä löytö, joka julkaistiin Nature-lehdessä, edustaa merkittävää edistystä lihavuuden torjunnassa. Koska miljoonat ihmiset ympäri maailmaa kärsivät tästä, BRP voisi tarjota turvallisemman ja kohdennetumman vaihtoehdon nykyisille hoidoille.
Kuinka tekoäly auttoi BRP:n löytämisessä?
Stanfordin tiimi kehitti algoritmin, Peptide Predictor, analysoimaan prohormonien pilkkoutumiskohtia. Tämä työkalu on mahdollistanut ennustaa, kuinka tietty entsyymi, prohormoni konvertasa 1/3, pilkkoo prohormoneja aktiivisiksi peptideiksi.
Perinteisesti näiden peptideiden tunnistaminen vaati työläitä ja kalliita tekniikoita. Peptide Predictor on nopeuttanut tätä prosessia analysoimalla automaattisesti aminohapposekvenssejä, mikä on vähentänyt tarvittavaa aikaa ja resursseja.
Algoritmi on tunnistanut 2 683 potentiaalista peptidiä 373 prohormonista. Tämä lähestymistapa on mahdollistanut tutkijoiden keskittyä lupaavimpiin peptideihin, kuten BRP:hen, ilman tarvetta eristää niitä manuaalisesti.
Tämä menetelmä havainnollistaa, kuinka tekoäly voi huomattavasti nopeuttaa biolääketieteellistä tutkimusta mahdollistamalla nopeita ja tarkkoja löytöjä, jotka muuten olisivat lähes mahdottomia.