Folsav diabéteszes lábszárfekély gyógyításában

A Szingapúri Nemzeti Egyetem kutatói olyan mesterségesintelligencia‑alapú munkafolyamatot dolgoztak ki, amely az MI elemzőképességét molekuláris szintű szimulációkkal ötvözi, és így képes gyorsan azonosítani a diabéteszes sebek gyógyulását elősegítő gyógyszerjelölteket. A módszer egyik legígéretesebb találata a folsav lett, amely jól ismert vitaminként, ám eddig sebgyógyulást elősegítő szerként egyáltalán nem szerepelt a klinikai gyakorlatban.

A diabéteszes sebek, különösen a diabéteszes lábszárfekélyek gyógyulása azért nehézkes, mert egyszerre több biológiai folyamat is zavart szenved. A gyulladás szabályozása, a szöveti regeneráció és a sejtnövekedés egyaránt sérülhet, ami megnehezíti annak meghatározását, hogy a már létező gyógyszerek közül melyek támogathatják hatékonyan a sebgyógyulást.

A több tudományterületet összekapcsoló kutatócsoportot Giorgia Pastorin professzor vezette Chen‑Hua Yeow és Min‑Yen Kan együttműködésével. Munkájuk az MI‑alapú szakirodalmi elemzést, a molekuláris kölcsönhatásokat vizsgáló számítógépes kémiai modellezést és a laboratóriumi kísérleteket egyesítette, így közel 3000 ismert gyógyszer átvizsgálása vált lehetővé, miközben a szakirodalmi áttekintéstől a kísérletes validációig vezető időt több mint 70%-kal csökkentették az ACS Nano Medicine folyóiratban megjelent cikk szerint.

A kutatók nem egyetlen gyógyszert vagy fehérjét vizsgáltak, hanem 2989 hatóanyagot vetettek össze 8739, a diabéteszes sebgyógyulással összefüggő fehérjével. Az MI a tudományos publikációk elemzésével térképezte fel, hogy az egyes gyógyszerek milyen módon befolyásolhatják ezeket a fehérjéket. Ezt követően a számítógépes kémiai szimulációk molekuláris szinten vizsgálták a legígéretesebb gyógyszermolekulák és fehérjecélpontok kölcsönhatásait. A két módszer együtt több millió lehetséges kombinációt szűkített le 35 gyógyszerjelöltre és 50 kulcsfontosságú fehérjére, amelyek később részletes elemzésre kerültek.

A legmagasabb pontszámot elérő jelöltek között szerepelt a folsav is, amelyet a kutatók laboratóriumi sebgyógyulási modellekben teszteltek bőrsejteken. A folsav jelentősen gyorsította a sebzáródást a kontroll mintákhoz képest, ezzel megerősítve az MI‑alapú előrejelzés és a molekuláris modellezés eredményeit.

A munkafolyamat egyik legfontosabb jellemzője, hogy minden elemének jól elkülönülő szerepe van. Az MI nagy mennyiségű publikáció átvizsgálásával azonosítja a lehetséges biológiai irányokat. A számítógépes kémiai elemzés molekuláris bizonyítékot szolgáltat arra, hogy egy gyógyszer és egy fehérje között létrejöhet-e érdemi kölcsönhatás. A két réteg összevetése egy olyan rangsorolt jelöltlistát eredményez, amely laboratóriumi vizsgálatokkal validálható - így ellenőrizhető, hogy a megjósolt hatások valóban megjelennek-e élő sejtekben is.

A kutatók szerint az MI, a molekuláris modellezés és a kísérletes validáció összekapcsolása olyan összefüggéseket tár fel, amelyek emberi elemzéssel nem lennének elérhetők. Ez a megközelítés nemcsak felgyorsítja a gyógyszerek újrapozicionálásának folyamatát, hanem új terápiás lehetőségeket is feltárhat a diabéteszes lábfekély és más összetett betegségek kezelésében. A csapat a jövőben a módszer finomítását és más betegségek, illetve nanogyógyászati alkalmazások irányába történő kiterjesztését tervezi.

Írásunk az alábbi közlemények alapján készült:

AI-guided drug search flags folic acid for diabetic wound healing

Quantitative Computational Validation of Nanoscale Interactions between Drug Molecules and Diabetic Wound-Related Proteins for Drug Discovery

Irodalmi hivatkozás:

Ziyang Zhang et al, Quantitative Computational Validation of Nanoscale Interactions between Drug Molecules and Diabetic Wound-Related Proteins for Drug Discovery, ACS Nano Medicine (2026). DOI: 10.1021/acsnanomed.5c00180