Создана крупнейшая в мире база данных противоопухолевой активности металлов
Специалисты Института общей и неорганической химии им. Н. С. Курнакова (ИОНХ РАН) и МГУ им. М. В. Ломоносова создали крупнейшую в мире базу данных противоопухолевой активности комплексов металлов, а также разработали модели машинного обучения для предсказания такой активности. Об этом сообщили в пресс-службе Минобрнауки РФ, при финансовой поддержке которого проведена работа.
«Российские ученые из ИОНХ РАН и МГУ им. М. В. Ломоносова создали базу данных цитотоксичности (способности оказывать разрушительное воздействие на живые клетки) комплексов переходных металлов „MetalCytoToxDB“ и разработали модели машинного обучения для предсказания их противоопухолевой активности. База данных включает более 26500 значений IC50 (показатель концентрации вещества, необходимой для подавления активности клеток на 50%) для 7050 комплексов рутения, иридия, родия, рения и осмия», — отметили в пресс-службе.
Как рассказали в ИОНХ РАН, некоторые металлы в составе специальных химических соединений — «комплексов» — способны проникать в раковые клетки и нарушать их работу: блокировать деление, повреждать ДНК или запускать гибель клетки. Так действует, например, цисплатин — один из самых распространенных препаратов химиотерапии. Однако разработка новых металлсодержащих препаратов долгое время была затруднена: систематизированных данных об их действии на опухолевые клетки практически не существовало. Крупные международные базы данных почти не содержали информации о таких соединениях, что не позволяло применять к ним современные методы искусственного интеллекта.
Чтобы восполнить этот пробел, московские химики вручную собрали и систематизировали данные более чем из 1900 рецензируемых научных публикаций. Итогом стала крупнейшая в мире база данных в своей области: она охватывает пять металлов — рутений, иридий, родий, рений и осмий — и содержит результаты испытания более 7 тыс. их соединений на 754 типах опухолевых клеток.
На основе собранных данных ученые обучили модели машинного обучения, которые умеют предсказывать, будет ли новое соединение подавлять рост раковых клеток — еще до его синтеза в лаборатории. Модель показала высокое качество при отборе перспективных соединений: она значительно сужает круг веществ — «кандидатов», которые стоит проверить в лаборатории. Показательна проверка на практике: модель обучили на статьях, опубликованных до 2024 года, а затем протестировали на новых работах 2025 года. В 9 случаях из 10 она верно определяла, какие соединения действительно способны подавлять рост опухолевых клеток, что в два раза лучше результатов случайного отбора.
Исследование выполнено при финансовой поддержке Минобрнауки РФ.
