Стэк-ансамблевое обучение и in-silico-профилирование выявляют двойные ингибиторы DPP‑IV и SGLT2 среди метаболитов Moringa oleifera

Растения, компьютеры и новый подход к лечению диабета

Распространение диабета быстро растёт по всему миру, и многие люди, особенно в регионах с низким уровнем дохода, не могут позволить себе современные лекарства. В этом исследовании проверяли, могут ли метаболиты обычного лекарственного дерева Moringa oleifera дать новые, более доступные варианты лечения. Объединив традиционные знания о растениях с мощными компьютерными моделями, исследователи искали растительные молекулы, способные одновременно воздействовать на две важные мишени при диабете, что теоретически может улучшить контроль уровня сахара с меньшим числом побочных эффектов.

Почему контролировать уровень сахара так сложно

Наш организм поддерживает баланс сахара в крови с помощью сети гормонов, транспортеров и ферментов. При сахарном диабете 2 типа этот баланс нарушается: клетки хуже реагируют на инсулин, и сахар накапливается в крови. В этой истории ключевую роль играют два белка — DPP‑IV и SGLT2. Один из них помогает выключать гормоны, стимулирующие высвобождение инсулина, а другой помогает почкам возвращать сахар обратно в кровоток. Блокирование DPP‑IV усиливает естественные сигналы, стимулирующие выделение инсулина, тогда как блокирование SGLT2 вынуждает почки выводить больше сахара с мочой. Уже существуют лекарства, нацеленные на каждый из этих белков, но они могут быть дорогими и вызывать побочные эффекты, что повышает интерес к более безопасным растительным альтернативам, которые могли бы одновременно блокировать обе мишени.

Обучение компьютеров распознавать полезные молекулы

Вместо того чтобы тестировать тысячи веществ в лаборатории, команда использовала «in silico» инструменты — исследования, выполненные полностью на компьютере. Сначала они собрали большие коллекции известных химических соединений, часть из которых активна, а часть — неактивна в отношении DPP‑IV и SGLT2, и описали каждое с помощью цифровых отпечатков, отражающих размер, форму и химические особенности. Затем они обучили множество различных моделей машинного обучения отличать полезные молекулы от бесполезных. Наконец, они объединили лучшие из этих моделей в «стэк-ансамбль», где несколько алгоритмов голосуют совместно, а верхний слой учится взвешивать их мнения. Этот многоуровневый подход показал очень высокую точность на тренировочных и независимых тестовых наборах и правильно идентифицировал все восемь существующих противодиабетических препаратов в внешней проверке, что говорит о том, что модели могут надёжно находить перспективные новые соединения.

Поиск двойных действующих соединений в дереве Moringa

Далее исследователи обратились к экстрактам листьев Moringa oleifera. С помощью высокоразрешающей масс-спектрометрии они занесли в каталог 44 различных природных соединения, включая флавоноиды, лигнаны и алкалоиды. Эти структуры загрузили в обученные модели, которые отметили несколько соединений как вероятные блокаторы SGLT2 и выделили одно — N,α‑L‑рамнопиранозил винкосамид — как действующее как против SGLT2, так и против DPP‑IV. Команда затем использовала подробные компьютерные симуляции, чтобы понять, как эти молекулы могут располагаться внутри двух белковых мишеней. По сравнению со справочными лекарствами несколько растительных соединений образовали сильные, хорошо ориентированные контакты в карманах связывания, а двойное действие винкосамида проявлялось особенно устойчивыми и продолжительными взаимодействиями.

Наблюдение за молекулярными взаимодействиями в движении

Чтобы выйти за пределы статичных снимков, учёные провели длительные молекулярно-динамические симуляции — виртуальные фильмы, отслеживающие, как белки и молекулы «танцуют» в воде с течением времени. Эти симуляции подтвердили, что кандидаты растительного происхождения, в частности винкосамид, надёжно удерживаются внутри как DPP‑IV, так и SGLT2, не нарушая общей формы белков. Расчёты энергии связывания показали, что винкосамид может удерживать SGLT2 даже прочнее, чем одобренное лекарство того же класса. Команда также предсказала, как эти молекулы могут вести себя в организме, оценив такие параметры, как абсорбция, циркуляция, распад и потенциальная токсичность. Здесь винкосамид вновь выделился благоприятным профилем, тогда как некоторые более крупные, полярные флавоноиды выглядели безопасными, но с плохой всасываемостью в кишечнике.

От компьютерных находок к будущим лекарствам

В совокупности результаты указывают на то, что Moringa oleifera содержит природные соединения, которые в принципе могут снижать уровень сахара двумя дополняющими механизмами одновременно: усиливая гормон‑зависимое выделение инсулина и побуждая почки выводить избыточный сахар. Среди них N,α‑L‑рамнопиранозил винкосамид выступает как особенно перспективный кандидат с двойной активностью. Работа не утверждает, что найдено готовое к применению лекарство; все выводы носят предсказательный характер и требуют строгой лабораторной и доклинической проверки на животных. Тем не менее исследование демонстрирует, как сочетание современных методов машинного обучения с традиционными лекарственными растениями может быстро сократить поиск доступных многомишенных терапий при диабете, которые однажды могли бы помочь пациентам, лишённым доступа к передовым методам лечения.

Цитирование: Letuku, M.K., Mohlala, M.G., Appiah-Kubi, P. et al. Stacked ensemble learning and in-silico profiling reveal dual DPP-IV and SGLT2 inhibitors from Moringa oleifera metabolites. Sci Rep 16, 9772 (2026). https://doi.org/10.1038/s41598-026-39960-z

Ключевые слова: сахарный диабет 2 типа, Moringa oleifera, двойные ингибиторы, машинное обучение в поиске лекарств, метаболиты природных продуктов