Firma biotechnologiczna Cellarity, specjalizująca się w klinicznym rozwoju terapii opartych na modelowaniu komórkowym i sztucznej inteligencji, ogłosiła publikację przełomowego badania w czasopiśmie Nature Communications. Opisuje ono model ToxPredictor – innowacyjny system oparty na AI, który pozwala przewidywać polekowe uszkodzenie wątroby (ang. DILI, drug-induced liver injury), jedno z największych wyzwań współczesnej toksykologii. Co istotne, firma udostępniła model i dane walidacyjne w formule open source.
Z tego artykułu dowiesz się…
- Jak działa model ToxPredictor i dlaczego może zrewolucjonizować ocenę bezpieczeństwa leków.
- Na czym polega polekowe uszkodzenie wątroby (DILI) i dlaczego jest poważnym wyzwaniem w rozwoju farmaceutyków.
- Czym jest biblioteka DILImap i jakie dane toksykogenomiczne zawiera.
- Dlaczego podejście firmy Cellarity przewyższa dotychczasowe modele przedkliniczne i co oznacza to dla przyszłości badań klinicznych.
DILI – ciche zagrożenie w rozwoju farmaceutyków
Uszkodzenie wątroby wywołane lekami stanowi istotny problem bezpieczeństwa pacjentów i powód niepowodzeń w badaniach klinicznych oraz wycofywania leków z rynku. Jak wskazuje Cellarity, obecne przedkliniczne modele, zwłaszcza oparte na zwierzętach, nie wykrywają nawet połowy potencjalnie hepatotoksycznych związków.
ToxPredictor i biblioteka DILImap – przełomowe podejście
Odpowiadając na potrzebę skuteczniejszej predykcji, Cellarity opracowało ToxPredictor – zintegrowany model AI analizujący dane toksykogenomiczne, zdolny do przewidywania ryzyka DILI w zależności od dawki. Jego fundamentem jest unikalna biblioteka transkryptomiczna DILImap, obejmująca ekspresję genów w pierwotnych ludzkich hepatocytach w odpowiedzi na 300 związków o potencjalnej toksyczności, badanych w różnych stężeniach.
Uważamy, że ToxPredictor firmy Cellarity to fundamentalny krok naprzód w toksykologii predykcyjnej, ponieważ nasz model dostarcza dogłębnych informacji, które umożliwiają pełniejsze zrozumienie mechanizmów toksyczności wątroby – powiedziała Parul Doshi, dyrektor ds. danych w Cellarity.
Lepsza przejrzystość szlaków hepatotoksycznych dzięki AI
W przeciwieństwie do tradycyjnych metod toksykologicznych – nawet modeli 3D – transkryptomika zapewnia wyższą rozdzielczość analizy molekularnej. ToxPredictor identyfikuje wiele mechanizmów uszkodzenia wątroby, w tym:
- dysfunkcję mitochondriów,
- stres oksydacyjny,
- aktywację układu odpornościowego,
- zmiany metaboliczne.
Model wykazał skuteczność w wykrywaniu niecytotoksycznych zagrożeń, często pomijanych w klasycznych testach przedklinicznych.
Walidacja i przewaga nad istniejącymi rozwiązaniami
Publikacja w Nature Communications przedstawia walidację ToxPredictora, który osiągnął imponujące parametry predykcji: 88% czułości i 100% swoistości w ślepej próbie. Wyniki te przewyższyły ponad 20 standardowych modeli bezpieczeństwa, identyfikując również zagrożenia wykryte dopiero na etapie badań klinicznych fazy 3.
Zmiana paradygmatu: otwarte dane dla całej branży
Ważnym elementem inicjatywy jest udostępnienie modelu oraz danych walidacyjnych w formacie open source na stronie: https://dilimap.org/review-dUFZulWv8k7bERJ3FQs438. Daje to innym podmiotom z sektora medycznego i farmaceutycznego możliwość wdrożenia narzędzia do własnych analiz bezpieczeństwa oraz przyczynia się do standaryzacji lepszych praktyk w zakresie oceny hepatotoksyczności.
Wnioski i znaczenie kliniczne
Rozwiązanie opracowane przez Cellarity otwiera nowe możliwości dla skuteczniejszego i bezpieczniejszego rozwoju leków. Dzięki głębokiej analizie molekularnej i wykorzystaniu uczenia maszynowego, ToxPredictor może:
- przyczynić się do zmniejszenia kosztów rozwoju farmaceutyków,
- zwiększyć bezpieczeństwo pacjentów,
- ograniczyć liczbę nieudanych badań klinicznych.
To także krok w stronę zmniejszenia zależności od testów na zwierzętach, zgodnie z trendem wspieranym przez agencje regulacyjne.
Główne wnioski
- Model ToxPredictor opracowany przez Cellarity osiągnął 88% czułości i 100% swoistości w ślepej próbie, przewyższając ponad 20 standardowych modeli bezpieczeństwa stosowanych w przedklinicznej ocenie leków.
- Biblioteka DILImap obejmuje transkryptomiczne sygnatury 300 związków chemicznych badanych w wielu stężeniach w ludzkich hepatocytach – to największy znany zasób danych toksykogenomicznych w tym obszarze.
- Model umożliwia wykrywanie złożonych mechanizmów hepatotoksyczności, takich jak stres oksydacyjny, dysfunkcja mitochondriów i aktywacja układu odpornościowego, co wcześniej było trudne przy użyciu klasycznych testów.
- Dzięki publicznemu udostępnieniu modelu i danych walidacyjnych, Cellarity otwiera nowe możliwości współpracy w obszarze rozwoju bezpieczniejszych terapii i ograniczenia testów na zwierzętach.
Źródło:
- Cellarity, Nature Communications (2025), doi: 10.1038/s41467-025-65690-3
