UW – Medicalpress

Nagroda Nobla w dziedzinie chemii za projektowanie trójwymiarowych struktur i funkcji białek

Redakcja Medicalpress — Thu, 10 Oct 2024 06:52:13 +0000

Tegorocznymi laureatami Nagrody Nobla w dziedzinie chemii zostali David Baker, Demis Hassabis i John M. Jumper. Kapituła wyróżniła laureatów za projektowanie trójwymiarowych struktur i funkcji białek. Komentarze ekspertek i ekspertów centrum informacyjnego Tygodnia Noblowskiego Centrum Współpracy i Dialogu UW.

– Muszę przyznać, że dla nikogo z nas ta Nagroda nie była zaskoczeniem. Wczoraj zostało nagrodzone uczenie maszynowe, a tegoroczna Nagroda Nobla w dziedzinie chemii dotyczy zastosowania metod do poznania, odkrywania, zrozumienia i projektowania struktur białek. Jest to metoda, która wykorzystuje uczenie maszynowe, ale jej zasady i działanie zostały umożliwione dzięki ponad stuleciu stosowania metod doświadczalnych wykorzystanych do poznania struktur białek. Najpierw, przez krystalografię rentgenowską, następnie przez kriogeniczną mikroskopię elektronową, dzięki czemu w bazie danych zostało zdeponowane ponad 100 000 struktur białek. Tak więc wieloletnia doświadczalna praca naukowców została wykorzystana do tego, by umożliwić to, co było od dawna marzeniem wszystkich badaczy zajmujących się biologią strukturalną. Mianowicie, nauczenie algorytmów tego, by przewidywały miliony najróżniejszych białek i ich struktury, a także projektowały nowe, jeszcze nieznane naturze.– Metody, za które została przyznana dzisiaj Nagroda Nobla, nie potrafią wyjaśnić, jak białka się zwijają. To jest proces dynamiczny, odbywający się w otoczeniu innych białek i kwasów nukleinowych. Natomiast można sobie wyobrazić, jak teraz wygląda zastosowanie sztucznej inteligencji do generowania obrazów. W bardzo prosty sposób można wygenerować fake obrazki i to dokładnie robi deep mind – halucynuje struktury białek w postaci skończonej. Narzędzie, które umie teraz przewidywać struktury białek, to jest coś bardzo cennego. Dzięki niemu możemy w przyszłości z dużo większą pewnością od razu projektować leki czy próbować porównywać skuteczność przeciwciał, mając modele strukturalne białek danego wirusa – dr Maria Górna – Zakład Chemii Teoretycznej i Strukturalnej, Wydział Chemii UW.

– Białka są biopolimerami złożonymi z cegiełek budulcowych, które nazywamy aminokwasami. Problem przewidywania struktury trójwymiarowej białek polega na tym, że cegiełki te mogą wzajemnie się obracać. Takie izomery nazywamy izomerami konformacyjnymi. Takich potencjalnych struktur jest bardzo dużo i ta liczba rośnie bardzo szybko wraz z liczbą aminokwasów wbudowanych w łańcuch polipeptydowy. Dotychczas, aby przewidywać strukturę trójwymiarową takiego łańcucha, należało białko wyizolować, oczyścić, wykrystalizować i przeprowadzić badania strukturalne takimi metodami, jakie wspominała dr Maria Górna. Dodam do tego spektroskopię magnetycznego rezonansu jądrowego NMR – to takie trzy podstawowe techniki. Komputer nie liczy tego od początku, nie przewiduje tej struktury, nie posiadając danych wejściowych, tylko najpierw analizuje bogatą bibliotekę danych, które wcześniej zgromadzono i wypełnia luki. Oczywiście tych białek w naturze jest dużo więcej niż 100 000. Niemniej, potrzebujemy bardzo dobrych danych wyjściowych, żeby takie algorytmy rozwijać. Natomiast działają one świetnie. Są organizowane specjalne konkursy, które tego typu algorytmy jak AlphaFold mogą sprawdzać w praktyce. Mamy już trzecią edycję tego programu AlphaFold i bije ona na głowę konkurencyjne metody – dr hab. Paweł W. Majewski, prof. ucz. – Zakład Chemii Teoretycznej i Strukturalnej, Wydział Chemii UW.

– Białka są to makrocząsteczki, które odgrywają fundamentalną rolę w funkcjonowaniu naszego organizmu. Są zaangażowane w niemal wszystkie procesy życiowe. Są enzymami, czyli takimi katalizatorami, które przyspieszają reakcje chemiczne zachodzące w naszym organizmie. Bez nich organizm nie byłby w stanie prawidłowo funkcjonować. Pełnią dosłownie wszystkie funkcje w organizmie człowieka. Liczba różnych białek w organizmie człowieka wynosi od dziesięciu do nawet dwudziestu tysięcy, w zależności od definicji pojedynczego białka. Lata badań strukturalnych nad białkami umożliwiły zbudowanie bazy wiedzy i jest to pewien hołd dla sztucznej inteligencji, która znakomicie radzi sobie w tym konkretnym przypadku. Dzięki tym postępom jesteśmy w stanie projektować nowe białko o nowych funkcjach. Być może takie, które działają poza organizmami, ale w przyszłości z pewnością też będziemy mogli konstruować białka, które funkcjonują w organizmach w oparciu o nową, poprawioną funkcję. Dzięki temu, że znamy struktury białek, możemy je poznawać znacznie szybciej, znacznie prościej, łatwiej nam też projektować nowe czynniki terapeutyczne, nowe leki, które bardziej skutecznie będą oddziaływać z celami terapeutycznymi, jakimi są białka. Znaczenie tego odkrycia jest naprawdę olbrzymie w kontekście inżynierii nowych białek, ale również całych układów, jak na przykład sztuczne organizmy, które funkcjonują w oparciu o sztuczne białka i mają szczególne cechy, aż po zastosowania, które już obecnie mają miejsce, czyli projektowanie nowych leków. Hołd dla sztucznej inteligencji, złożony przez Komitet Noblowski, w tym konkretnym przypadku jest jak najbardziej zasłużony. To doskonały przykład sytuacji, w której dysponujemy ogromną ilością danych o wysokiej jakości, które można ze sobą porównywać. Dzięki niezwykłej wydajności obliczeń można przewidzieć struktury białek, zarówno tych, które już znaliśmy i możemy zweryfikować, jak również tych, których jeszcze nie znaliśmy, a poznaliśmy dopiero później metodami eksperymentalnymi. To doskonały przykład, że sztuczna inteligencja może nam pomóc. Natomiast moim zdaniem nieprawdą jest, że sztuczna inteligencja bez wystraczającego dostępu do wartościowych danych może stworzyć nową jakość. Być może w przyszłości to będzie możliwe, ale musimy posługiwać się tym narzędziem bardzo krytycznie – prof. dr hab. Jacek Jemielity – Centrum Nowych Technologii UW.

– Ważnym aspektem tego odkrycia jest zaoferowanie pewnej „instrukcji obsługi” procesu zwijania białek. Dotychczasowa sytuacja przypominała układanie klocków, gdzie, choć mniej więcej wiemy, w jakiej kolejności je połączyć, dysponowaliśmy jedynie fragmentami instrukcji. Natomiast teraz dostaliśmy niemal pełną instrukcję. I nie dotyczy to tylko tych białek, które istnieją, tych sekwencji, które znamy z natury, ale również takich sekwencji, które możemy sobie wyobrazić jako syntetyczne i próbować na tej bazie budować układy, które będą miały specyficzne zastosowania. Warto podkreślić pozabiologiczne zastosowania. Przykładowo, w chemii panuje dość mocny trend polegający na znalezieniu pewnego rodzaju substancji naśladujących działanie enzymów, które mamy np. w organizmie i wykorzystanie ich np. w alternatywnych źródłach energii jako efektywnych cząsteczek umożliwiających pozyskiwanie tej energii. I teraz dostajemy narzędzie, które potencjalnie daje nam możliwość zaprojektowania takiego enzymu w pełni syntetycznego, który będzie charakteryzował się dużo większą trwałością niż enzymy pozyskiwane z żywych organizmów. Uważam, że jest to otwarcie na wielu tak naprawdę polach badawczych. Chciałbym podkreślić, że dzisiejsza nagroda jest ukłonem w stronę rzeszy naukowców, którzy przez lata pracowali nad rozwiązywaniem struktur białek. Bez pracy u podstaw i eksperymentalnych danych pozwalających ustalić ściśle te struktury, w tej chwili rozwiązanie struktur dla milionów białek byłoby prawdopodobnie mało realne – prof. dr hab. Sławomir Sęk – Zakład Chemii Nieorganicznej i Analitycznej, Wydział Chemii UW.

Nagroda Nobla w dziedzinie chemii

Zgodnie z testamentem Alfreda Nobla ma nią zostać uhonorowana osoba, która dokona najważniejszego odkrycia lub ulepszenia w dziedzinie nauk chemicznych. Nagrodę w tej kategorii zdobyła m.in. Maria Skłodowska-Curie, ale nie jest to jedyny polski akcent związany z dziedziną chemii. Wyróżnienie przyznaje się od początku trwania konkursu, czyli od 1901 roku. Pierwszym jego laureatem został, uznawany za twórcę nowoczesnej chemii fizycznej, Jacobus Henricus van’t Hoff za „wkład w odkrycie praw dynamiki chemicznej i ciśnienia osmotycznego”.

źródło: UW

Nagroda Nobla w dziedzinie fizyki – komentarz ekspertów

Redakcja Medicalpress — Wed, 09 Oct 2024 07:17:45 +0000

Tegorocznymi laureatami nagrody Nobla w dziedzinie fizyki zostali John J. Hopfield i Geoffrey E. Hinton. Kapituła wyróżniła ich za fundamentalne odkrycia i wynalazki umożliwiające uczenie maszynowe za pomocą sztucznych sieci neuronowych. Komentarz ekspertów centrum informacyjnego Tygodnia Noblowskiego Centrum Współpracy i Dialogu UW.

Komentarze ekspertów centrum informacyjnego Tygodnia Noblowskiego Centrum Współpracy i Dialogu UW:

– To jest w pewnym sensie rewolucja. Pierwszy raz Nagroda Nobla z fizyki nie jest w zasadzie z fizyki, a z informatyki, chociaż twórcy mieli wiele wspólnego z fizyką i inspirowali się wieloma procesami fizycznymi. Tegoroczna Nagroda przyznana została za algorytmy, które służą do przetwarzania informacji. Sieć neuronowa, którą zaprogramowujemy na naszym komputerze, jest określonym sposobem przetwarzania informacji, czyli jest algorytmem wzorowanym na tym, jak działa nasz mózg. Strukturę sieci neuronowej tworzymy w pewnej analogii do tego, jak nasze neurony są ze sobą połączone, jak przetwarzają informacje, ale oczywiście to wszystko robimy nie w materii biologicznej, tylko krzemowej – elektronicznej. Rzecz jasna – sam Alfred Nobel nie wiedział, że będzie taka dziedzina jak informatyka. Jeszcze jej nie było, więc nawet jej nie uwzględnił w swoim testamencie. Widać, że Komitet Noblowski jednak zrobił krok dalej – uznał, że w dzisiejszych czasach informatyka jest tak ważną dziedziną, że zasługuje na Nagrodę Nobla. W pewnym sensie stało się to kosztem fizyki, a nie innych dziedzin, ale wydaje mi się, że ta Nagroda jest bardzo dobrze uzasadniona, zważywszy, iż w ostatnim czasie zalały nas metody AI. Od przeszło dwóch lat mamy słynny Chat GPT, który jest swego rodzaju ikoną tego, do czego doszliśmy od lat osiemdziesiątych, czyli od pionierskich prac noblistów – Hintona i Hopfielda. Potrzebne były cztery dziesięciolecia, żeby można było pokazać praktyczne skutki tych idei – aby zaczęły one działać. I to jest bardzo ciekawa sprawa – razem z całą historią sztucznej inteligencji i kwestią sieci neuronowych. Kiedy one miały swój początek w latach osiemdziesiątych, ludzie podeszli do nich z entuzjazmem i bardzo dużo sobie po nich obiecywali – m.in., że one rzeczywiście pozwolą nam zrozumieć mózg, świadomość i przetwarzać informacje. W zupełnie inny sposób zareagowano w latach dziewięćdziesiątych i na początku dwutysięcznych. Okres ten określany jest jako „zima sztucznej inteligencji”, bo wszyscy stracili nadzieję, że to będzie działać. Okazało się, że sieci dobrze działały, rozpoznając cyfry i litery, z pismem, tzw. „bazgrołami”, radziły sobie już gorzej, ale nikt nie był w stanie pokazać, że one rzeczywiście zaczynają robić użyteczne rzeczy na taką skalę, jak widzimy dzisiaj. Metody sztucznej inteligencji próbujemy już stosować wszędzie i w związku z tym ta Nagroda Nobla jest bardzo na czasie, bardzo uzasadniona, ale też rewolucyjna przez to, że jest z informatyki – prof. dr hab. Rafał Demkowicz-Dobrzański – Instytut Fizyki Teoretycznej, Wydział Fizyki UW.

– Moje pierwsze spotkania z fizyką były związane z Johnem Hopfieldem, który zasłynął z prac na temat ekscytonów w fizyce ciała stałego. Fakt, że w pewnym momencie postanowił porzucić tę dziedzinę, był dużym zaskoczeniem. Jednak teorie, które wymyślił, przetrwały i są nadal szeroko wykorzystywane. Cieszy mnie, że Hopfield zdał sobie sprawę, iż osiągnął wszystko, co zamierzał i postanowił przenieść swoje zainteresowania na neuroinformatykę, neurofizykę i neurobiologię. Koncepcje stosowane w tych dziedzinach są bardzo bliskie temu, czego my używamy w martwej naturze, jak np. propagacja polarytonów, czyli wzbudzeń takich, które są też w naszych neuronach. Jeśli zastanawiamy się, w jaki sposób ludzkie oko przetwarza obrazy i sygnały, okazuje się, że również tam zaprzęgnięte są naturalne sieci neuronowe.

Chciałbym podać przykład mojego studenta, który doskonale pokazuje, jak niesamowite są te połączenia. To student pierwszego roku. Uczenie maszynowe było dla niego początkowo jedynie hobby. Na początku studiów zaczął wykorzystywać te techniki do analizy zdjęć powierzchni kryształów, które się marszczyły. Człowiek mógł zauważyć różnice w zmarszczkach w zależności od sposobu hodowli kryształu, ale żeby to skwantyfikować, potrzebne były te metody. Studentowi udało się wyszkolić sieci neuronowe, które najpierw musiały się „nauczyć” rozpoznawać te wzory, a potem mogły dostarczać precyzyjnych danych ilościowych, nie tylko jakościowych. Moim zdaniem jest w tym dużo fizyki – prof. dr hab. Andrzej Wysmołek – Instytut Fizyki Doświadczalnej, Wydział Fizyki UW.

– Moim zdaniem należałoby nagradzać inteligencję wrodzoną, a nie sztuczną. Według mnie to odkrycie nie ma wiele wspólnego z fizyką. To podglądanie działania mózgu w bardzo uproszczony sposób. Pamiętam rok 1982 – wtedy John J. Hopfield zaproponował koncepcję sieci neuronowej. To była kompletna abstrakcja. Wiedzieliśmy już wtedy, że w mózgu funkcjonują miliardy neuronów, a możliwości komputerów tamtych czasów pozwalały na modelowanie może siedmiu, może dziesięciu neuronów. Pamiętam również backpropagation opracowane przez Hintona, które pojawiło się tuż po moich studiach, ale to również wydawało się kompletnie abstrakcyjne. Teraz mówimy o niesłychanie rozbudowanych sieciach neuronowych, o zastosowaniu ich do wielkich baz danych. Wciąż jednak, w moim odczuciu, mamy do czynienia bardziej ze skalą niż z nowym pomysłem fizycznym. Oczywiście, może to być użyteczne w fizyce, choć mam wątpliwości, czy faktycznie okaże się tak kreatywne i przełomowe. To może być użyteczne narzędzie, ale nadal – tylko narzędzie. Nawet Hinton podkreślał czynniki ryzyka związane z potencjalnym wykorzystaniem tego narzędzia w złych celach. Jeżeli ktoś tego użyje w złych celach, to może być niesłychanie silne narzędzie, które będzie bardzo, bardzo groźne. Za to osiągnięcie przyznałbym Nagrodę Turinga. Moim zdaniem Nagroda Nobla jest pewnym takim sacrum, które dostaje się za przełom w fizyce – prof. dr hab. Krzysztof A. Meissner – Instytut Fizyki Teoretycznej, Wydział Fizyki UW.

Nagroda Nobla w dziedzinie fizyki

Fizyka była pierwszą z dyscyplin, którą Alfred Nobel wymienił w swoim testamencie. Zdaniem wielu specjalistów potwierdza to jej ówczesny status – najważniejszej dyscypliny naukowej. Nagroda w tej dziedzinie jest przyznawana od początku trwania konkursu, czyli od 1901 roku. Pierwszym jej laureatem został Wilhelm Conrad Röntgen za odkrycie promieni X, które obecnie stanowią jedno z głównych narzędzi diagnostycznych w medycynie.

***

O Centrum Współpracy i Dialogu Uniwersytetu Warszawskiego

Centrum Współpracy i Dialogu UW (CWiD UW) jest ogólnouniwersytecką jednostką powołaną na Uniwersytecie Warszawskim w celu promowania dokonań i sukcesów naukowych kadry akademickiej oraz udostępniania wiedzy i uniwersyteckich zasobów badawczych szerokiemu gronu odbiorców, partnerów oraz instytucji zewnętrznych. Jako platforma komunikacji i współpracy CWiD UW umożliwia przybliżanie społeczeństwu odkryć i możliwości nauki XXI wieku, a także rzetelnej wiedzy naukowej w obszarach aktualnych wyzwań społecznych i gospodarczych. Centrum służy wzmacnianiu głosu naukowców, wydziałów i innych jednostek UW w debacie publicznej i kształtowaniu jej jakości w oparciu o wiedzę opartą na faktach i najnowsze zdobycze nauki.

źródło: UW

Na UW i SGGW trwają prace nad wczesnym diagnozowaniem chorób Parkinsona i Alzheimera

Redakcja Medicalpress — Tue, 23 Apr 2024 10:07:19 +0000

Na Uniwersytecie Warszawskim oraz w Szkole Głównej Gospodarstwa Wiejskiego rozwijana jest nowa technologia diagnozowania chorób Parkinsona i Alzheimera we wczesnych stadiach. Rozwiązanie ma zostać wprowadzone jako usługa medyczna poprzez spółkę spin-off powołaną przez obie uczelnie.

Nowa metoda wczesnego wykrywania chorób neurodegeneracyjnych, takich jak choroba Parkinsona i Alzheimera, została opracowana przez dr inż. Piotra Hańczyca z Zakładu Optyki na Wydziale Fizyki UW. Polega ona na badaniu widma, które powstaje w wyniku prześwietlania specjalną wiązką laserową próbek pobranych od pacjentów. Analiza widma pozwala jednoznacznie stwierdzić, czy w organizmie pacjenta znajdują się amyloidy i jednocześnie zweryfikować ich stadia, w tym te najwcześniejsze, które nie powodują problemów zdrowotnych. W przypadku wykrycia amyloidów, można określić stadium ich rozwoju na długo przed wystąpieniem objawów.

„Choroby neurodegeneracyjne najczęściej są diagnozowane stosunkowo późno, gdy ich leczenie jest już utrudnione i nie przynosi zadowalających rezultatów. Wynika to ze specyfiki tych schorzeń. Mogą one rozwijać się latami bez wystąpienia objawów, ponieważ nasz układ nerwowy uruchamia silne mechanizmy obronne, które odwlekają je w czasie. Dopiero po przekroczeniu pewnej masy krytycznej choroby te dają o sobie znać. Dla medycyny ważne jest więc, by dysponować metodą diagnostyczną, która pozwoli wykryć schorzenia wiele lat przed tym, gdy pacjent odczuje, że jest chory” – mówi dr inż. Piotr Hańczyc z UW.

Amyloidy kluczem do wczesnej diagnozy

Dlaczego w diagnostyce chorób Parkinsona i Alzheimera identyfikowanie amyloidów jest tak ważne? Amyloidy to nieprawidłowe struktury białek, które wykazują silne właściwości akumulowania się i gromadzenia w grupy. Z czasem takie grupy tworzą fibryle amyloidowe, a później blaszki amyloidowe. To wieloetapowy i długotrwały proces. Stopniowe gromadzenie się tych materiałów w układzie nerwowym (płynie mózgowo-rdzeniowym, mózgu i nerwach) prowadzi do zakłócania pracy komórek nerwowych, a dalej do degeneracji całego układu.

Zaletą opracowanej przez dr. Hańczyca metody jest to, że w materiale biologicznym pacjenta można wykryć nawet najwcześniejsze stadia białek amyloidowych, których degenerację można zatrzymać, zanim pojawią się symptomy kognitywne. Określenie konkretnego schorzenia zależy od sposobu wyznakowania analizowanego materiału barwnikami fluorescencyjnymi.

Spektroskopia laserowa w służbie diagnostyki

Opracowana przez dr. Piotra Hańczyca metoda polega na przepuszczaniu przez analizowany materiał biologiczny wzmocnionego światła w procesie emisji wymuszonej silnym laserem. Badana próbka jest wyznakowana fluorescencyjnie barwnikami wykorzystywanymi w branży medycznej, które wiążą się z amyloidami. Wyznakowane komórki amyloidów wzbudzone wiązką laserową emitują specyficzne widmo. „Amyloidy połączone z fluorescencyjnym barwnikiem emitują silniej światło, w porównaniu do białek o prawidłowej budowie. Właśnie ta odmienność pozwala jednoznacznie stwierdzić, czy w materiale biologicznym pacjenta znajdują się chorobotwórcze białka, a jeżeli tak, możemy analizować stadium takich białek. Dzięki temu lekarz otrzyma konkretne wskazówki do wdrożenia odpowiedniej terapii lub zastosowania działań profilaktycznych” – wyjaśnia dr Hańczyc.

W przypadku diagnozowania choroby Parkinsona technologia pozwala stwierdzić, czy w analizowanym materiale biologicznym dochodzi do agregacji białka ASN (alfa-synukleiny). Także i w tym przypadku do analizy wykorzystuje się marker fluorescencji. „W przypadku osoby zdrowej agregacja białek nie zachodzi w stopniu zaburzającym codziennie funkcjonowanie. Jeżeli natomiast badany materiał pochodzi od osoby chorej, fluorescencyjny barwnik zwiąże się z ASN, co pozwoli dać lekarzowi wskazanie, iż pacjent, nawet gdy nie ma jeszcze żadnych objawów, w przyszłości rozwinie się choroba Parkinsona” – dodaje dr Hańczyc. Metoda do badania wymaga płynu mózgowo-rdzeniowego.

Współpraca UW z SGGW

Obecnie trwają intensywne prace nad rozwojem technologii w kierunku uzyskania gotowej do wdrożenia usługi diagnostyki medycznej. W tym celu konieczna jest optymalizacja sprzętowa – niezbędnego do prowadzenia badań spektroskopu ze wzmocnionym laserem – oraz opracowanie oprogramowania, które pozwoli zautomatyzować usługę medyczną. Za część związaną z oprogramowaniem odpowiada zespół naukowców z Instytutu Informatyki Technicznej Szkoły Głównej Gospodarstwa Wiejskiego.

„Skupiamy się na opracowaniu innowacyjnego rozwiązania, wykorzystującego najnowsze osiągnięcia sztucznej inteligencji. Dzięki temu planujemy stworzyć w pełni zautomatyzowany proces wnioskowania oparty na danych obrazowych pochodzących ze spektroskopu. Kluczowym elementem tego przedsięwzięcia jest harmonijne połączenie wiedzy ekspertów fizyków z Uniwersytetu Warszawskiego, specjalizujących się w spektrometrii laserowej, z naukowcami zajmującymi się sztuczną inteligencją. Naszym celem jest maksymalne uproszczenie i zautomatyzowanie procedur, umożliwiając szybką analizę pobranego materiału biologicznego w specjalistycznym laboratorium wyposażonym w naszą aparaturę. W rezultacie lekarz otrzyma kompleksowy wynik badania zawierający rekomendację opracowaną przez sztuczną inteligencję. Celem naszego projektu jest nie tylko skrócenie czasu analiz, lecz także możliwe uproszczenie całego procesu badania próbek, co ma ułatwić lekarzom działanie. Dzięki temu być możliwe będzie zastosowanie opracowanej technologii w badaniach przesiewowych osób, które nie mają objawów chorób neurodegeneracyjnych” – wyjaśnia mgr inż. Karol Struniawski, z Instytutu Informatyki Technicznej SGGW.

Transfer technologii ma zostać zrealizowany przez spółkę spin-off – Neurolight sp. z o.o. Została ona powołana w ramach wspólnej inicjatywy spółek celowych UW i SGGW: UWRC sp. z o.o. oraz InnoTech4Life sp. z o.o. Neurolight koncentruje się na podnoszeniu gotowości technologicznej rozwiązania. Nie wyklucza współpracy z inwestorami zainteresowanymi tego rodzaju diagnostyką.

Jak dotąd współczesne osiągnięcia medycyny nie dają możliwości wczesnego diagnozowania choroby Parkinsona i Alzheimera. Ze względu na wykrywanie schorzeń w stosunkowo późnych ich stadiach lekarze najczęściej starają się zahamować rozwój chorób i złagodzić objawy. Nie mogą jednak cofnąć ich skutków. Gdy układ nerwowy jest już zdegenerowany, niestety nie jest możliwe naprawienie jego uszkodzeń.

Wobec ciągłego postępu technologicznego, rozwoju medycyny i systematycznego wydłużania się życia ludzi, metody wczesnej diagnostyki chorób neurodegeneracyjnych są bardzo potrzebne.

źródło: Centrum Transferu Technologii i Wiedzy UW

Polscy naukowcy pracują nad szczepionką przeciwnowotworową z wykorzystaniem technologii mRNA

Redakcja Medicalpress — Fri, 14 Jan 2022 07:58:34 +0000

Prace nad terapiami mRNA trwają od ponad 30 lat, ale to pandemia i poszukiwanie skutecznej szczepionki przeciw COVID-19 zdecydowanie ten proces przyspieszyły. To daje szansę, że szybciej będzie możliwe wykorzystanie tej technologii w leczeniu raka. mRNA jest również badane pod kątem zastosowania w leczeniu rzadkich chorób genetycznych. Nad postępami w tej dziedzinie pracują również polscy naukowcy.

– Cząsteczki mRNA to naturalne cząsteczki, które występują w każdej naszej komórce i są przepisami na konkretne białko. Aby mRNA mogło zostać wykorzystane do celów terapeutycznych, trzeba było opracować wiele rozwiązań, które umożliwiłyby dojście do tego. Pracując w tym obszarze od 20 lat, wnieśliśmy do niego dość istotne rozwiązania, natomiast takich zespołów naukowych było wiele i wiele rzeczy musiało się wydarzyć, aby ten pierwszy terapeutyk, pierwsza szczepionka oparta na mRNA mogła zostać dopuszczona powszechnie. Te szczepionki zmieniają naszą rzeczywistość, dla ludzi zaszczepionych COVID-19 nie jest już tak groźną chorobą – wyjaśnia w rozmowie z agencją Newseria Innowacje prof. dr. hab. Jacek Jemielity z Centrum Nowych Technologii Uniwersytetu Warszawskiego, prezes zarządu spółki ExploRNA Therapeutics.

W grudniu profesor otrzymał Nagrodę Fundacji na rzecz Nauki Polskiej za opracowanie chemicznych modyfikacji mRNA jako narzędzi do zastosowań terapeutycznych i badań procesów komórkowych.

– Nasze badania przyniosły realne efekty, ponieważ jeden z pierwszych moich wynalazków został skomercjalizowany przez firmę BioNTech, która stosuje nasze rozwiązanie ulepszające, poprawiające właściwości mRNA w kilkunastu badaniach klinicznych. Są to badania dotyczące terapeutycznych szczepionek mRNA, czyli takich, które mają leczyć, w szczególności dotyczące obszaru onkologicznego – mówi naukowiec.

Choć badania nad terapiami opartymi na mRNA trwają już od 30 lat, to o tej technologii głośno zrobiło się dopiero w obliczu konieczności stworzenia szczepionki przeciw COVID-19. Szczepionka Comirnaty, opracowana przez BioNTech wspólnie z koncernem Pfizer, była pierwszym preparatem mRNA dopuszczonym powszechnie do użytku.

Syntetyczne mRNA może być jednak kluczowe w terapii i profilaktyce onkologicznej. Na tej technologii najprawdopodobniej będą się opierać lecznicze szczepionki przeciwnowotworowe. W Polsce trwają badania nad takimi preparatami. Zajmuje się nimi spółka ExploRNA Therapeutics, założona przez naukowców z Uniwersytetu Warszawskiego we współpracy z badaczami z Warszawskiego Uniwersytetu Medycznego.

– Lecznicze szczepionki przeciwnowotworowe działają w ten sposób, że do organizmu pacjenta cierpiącego na nowotwór podajemy mRNA kodujące białko, które jest charakterystyczne dla komórek nowotworowych. To białko ulega ekspresji w komórkach i układ immunologiczny jest szkolony, żeby rozpoznawać wszystkie komórki pacjenta posiadające ten rodzaj antygenu, ten rodzaj modyfikacji białek. Układ immunologiczny niszczy w ten sposób komórki nowotworowe – wyjaśnia prof. Jacek Jemielity. – Najbardziej interesującym tematem w tym obszarze są spersonalizowane szczepionki przeciwnowotworowe, które są projektowane na podstawie konkretnych mutacji u pacjenta. Są to szczepionki szyte na miarę dla danego pacjenta.

Jak podkreśla, nowotwory są jednak znacznie trudniejszym przeciwnikiem niż COVID-19.

– mRNA musi więc być jeszcze bardziej efektywne, jeszcze skuteczniejsze, ale mam nadzieję, że najbliższe lata przyniosą również przełom w tym obszarze – przewiduje ekspert.

Prace nad spersonalizowanymi szczepionkami przeciwnowotworowymi prowadzi między innymi Moderna, wspólnie z koncernem Merck. W ramach badań klinicznych preparat mRNA-4157 testowany jest obecnie pod kątem bezpieczeństwa, tolerancji i immunogenności w zastosowaniu u pacjentów z czerniakiem.

mRNA ma charakter bardzo uniwersalny, można w nim zakodować dowolne białko, a to sprawia, że liczba potencjalnych zastosowań jest w zasadzie nieograniczona. Dlatego szereg badań klinicznych dotyczy zastosowania tych terapii również w leczeniu genetycznych chorób rzadkich czy chorób kardiologicznych.

– Chodzi o choroby, które powstają, ponieważ w komórkach danego pacjenta brakuje jakiegoś białka lub powstaje ono w postaci zdefektowanej. Terapie mRNA można wykorzystać do suplementacji tego brakującego białka. Przykładami takich chorób są rdzeniowy zanik mięśni, mukowiscydoza czy fenyloketonuria – wymienia prof. Jacek Jemielity.