?
Multimodal Transformers and Their Applications in Drug Target Discovery for Aging and Age-Related Diseases
Достижения в здравоохранении, питании и условиях жизни значительно увеличили ожидаемую продолжительность жизни человека, и, согласно опубликованному Организацией Объединенных Наций докладу «Перспективы мирового населения на 2022 год», глобальная ожидаемая продолжительность жизни при рождении достигла 73,2 лет в 2023 году и, по прогнозам, увеличится до 77,2 лет к 2050 году. Хотя это представляет собой замечательное достижение, этот демографический сдвиг в старении населения сопровождается значительным увеличением распространенности заболеваний, связанных со старением, что создает существенную нагрузку на расходы здравоохранения, потребности лиц, осуществляющих уход, и экономическую производительность. Наиболее эффективной стратегией борьбы с этими глобальными проблемами является увеличение продолжительности здоровой жизни населения путем содействия раннему выявлению возрастных признаков в сочетании с целенаправленными вмешательствами, которые предотвращают, замедляют или лечат возрастные заболевания, в идеале внедряемые в рутинную медицинскую помощь (1). Для достижения этой цели нам необходимо продолжать улучшать наше понимание процесса старения, выявлять терапевтические мишени старения для продвижения разработки эффективных методов борьбы со старением и способствовать переходу инноваций от ранних стадий обнаружения мишеней к клиническим испытаниям. Это требует действий на трех разных уровнях, начиная с идентификации терапевтических мишеней с помощью сложных вычислительных методов, основанных на искусственном интеллекте (ИИ). Затем эти новые мишени должны пройти ряд валидаций in vitro и in vivo, и ограниченное число успешных мишеней может быть, наконец, оценено в клинике. Беспрецедентная способность систем ИИ и машинного обучения (МО) оптимизировать анализ данных, выявлять скрытые закономерности в огромных массивах информации и ускорять темпы научных открытий потенциально может трансформировать исследования старения, революционизируя наше понимание и подход к старению с точки зрения науки, общества и медицины (2). В этой обзорной статье мы кратко описываем ключевые этапы исследований старения, подчеркиваем, как достижения в области глубоких систем машинного обучения могут помочь преодолеть существующие узкие места в разработке эффективных методов лечения возрастных заболеваний, и предлагаем взгляд на то, как ИИ прокладывает путь к системе здравоохранения, ориентированной на здоровое долголетие и профилактику возрастных заболеваний.