Ученые Сеченовского Университета создали систему для поиска опасных для фертильности веществ

Ученые Сеченовского Университета разработали систему на основе машинного обучения для предварительной оценки химических веществ, потенциально влияющих на репродуктивную систему. Она прогнозирует, может ли соединение связываться с рецептором прогестерона, активировать или блокировать его, а также оказывать общее токсическое действие на клетки.

Традиционная токсиколого-гигиеническая оценка химических веществ, включающая  оценку репродуктивной токсичности (способности нарушать половую функцию, фертильность или развитие потомства), требует значительных ресурсов и использования лабораторных животных. При этом число химических соединений настолько велико, что подробное экспериментальное исследование каждого из них невозможно.

Одной из важных мишеней таких веществ является рецептор прогестерона. Некоторые ксенобиотики способны связываться с ним, имитируя действие гормона или блокируя его активность.

«Рецептор прогестерона играет важную роль в регуляции репродуктивных процессов, однако инструментов вычислительной токсикологии пока значительно меньше, чем для рецепторов эстрогена и андрогена. Для нас было важно создать подход, который позволил бы приоритизировать химические вещества по степени риска негативного воздействия на репродуктивную систему и эффективно планировать дальнейшие исследования. Для профилактической токсикологии это означает возможность превентивной оценки безопасности новых или недостаточно изученных соединений. Особенно важно таким образом проверять промышленные химикаты, средства защиты растений, а также другие ксенобиотики, массово присутствующие в окружающей среде и требующие оперативного контроля за их содержанием», — отметила руководитель исследования, к.м.н., доцент кафедры экологии человека и гигиены окружающей среды Института общественного здоровья им. Ф. Ф. Эрисмана Екатерина Гусева.

Для создания системы исследователи использовали базу данных Tox21 и информацию более чем о 7000 соединений с известными результатами экспериментов. Система оценивает, взаимодействует ли новое вещество с рецептором прогестерона, каким может быть эффект и не объясняется ли он общим токсическим действием на клетки.

Лучше всего модели распознавали соединения, способные связываться с рецептором прогестерона. Система также учитывает, насколько новое вещество похоже на те, на которых она обучалась: если различия слишком велики, прогноз считается менее надежным и требует экспериментального подтверждения.

«Химических соединений, с которыми контактирует человек, очень много, и подробно исследовать каждое экспериментально невозможно. Мы разрабатываем инструмент, который поможет определить, какие соединения стоит проверить в первую очередь. Для нас важно, чтобы исследователь получал не только прогноз, но и оценку того, насколько он надежен для конкретного вещества», — рассказал один из авторов разработки, выпускник Сеченовского Университета и стажер центра цифровых стратегических проектов FAST Иван Немченко.

Необходимые для работы над проектом навыки программирования и анализа данных Немченко получил в совместном кампусе Сеченовского Университета и «Школы 21» (школы цифровых технологий от Сбера). После основного трека он прошел направление «Искусственный интеллект в медицине», а полученные знания применил при создании системы для токсикологического скрининга.

Разработка пока представляет собой исследовательский прототип и не заменяет лабораторные испытания. Ее задача — сузить круг веществ, которые необходимо проверять в первую очередь.

«Следующий этап — проведение расширенной валидации модели на независимых выборках веществ и ее интеграция с уже существующими вычислительными инструментами для комплексной оценки воздействия на систему стероидных половых гормонов. Это позволит оценить перспективы внедрения разработанного подхода при токсиколого-гигиенической оценке химической безопасности. Принципиально важно, что такой инструмент не заменяет экспериментальные исследования, а помогает определить приоритетность соединений, подлежащих первоочередной оценке», — добавила Екатерина Гусева.