Индекс Kinic: модель прогнозирования на базе искусственного интеллекта и платформа для поиска многотаргетных лекарств для пациентов с гепатоцеллюлярной карциномой

Почему это исследование важно

Рак печени — один из самых смертоносных видов рака в мире, отчасти потому, что опухоли сильно различаются между пациентами и часто устойчивы к существующим препаратам. В этом исследовании предложен новый способ классификации пациентов с раком печени по группам риска и одновременно поиска новых лекарств, адаптированных к их заболеванию. Используя передовые методы искусственного интеллекта (ИИ), исследователи создали инструмент под названием Kinic Index, который связывает тонкие химические метки на белках с выживаемостью пациентов и перспективными лекарственными мишенями.

Новая химическая метка с большими последствиями

В последние годы учёные обнаружили новый тип химической метки на белках печёночных клеток — изоникотинилирование. Эти крошечные пометки могут менять упаковку ДНК и включение или выключение генов, связанных с раком. Команда собрала большие наборы данных сотен опухолей печени и здоровых образцов, чтобы найти гены, чья активность связана с этой новой модификацией. Они обнаружили десятки таких генов и показали, что многие из них участвуют в биологических путях, контролирующих метаболизм жиров, детоксикацию, обращение с лекарственными веществами и механизмы роста и распространения опухолей.

Разделение пациентов на группы с более высоким и более низким риском

Чтобы сделать эти результаты полезными в клинической практике, учёные применили машинное обучение для группировки пациентов с раком печени на основе активности генов, связанных с изоникотинилированием. Выделилось два основных подтипа. В одной группе наблюдалась повышенная активность определённых генов и заметно худшая общая выживаемость. Эта группа высокого риска также демонстрировала признаки более агрессивной опухолевой среды: ускоренное деление клеток, большая генетическая нестабильность и иммунный ландшафт, указывающий на способность опухолей уклоняться от защиты организма. Вторая группа характеризовалась более активными путями детоксикации и обмена веществ и имела лучшие исходы, что говорит о том, что эти молекулярные паттерны могут помочь врачам прогнозировать течение болезни.

ИИ‑оценка, выделяющая две ключевые гены

Опираясь на эти паттерны, исследователи создали Kinic Index — оценку на базе ИИ, которая объединяет несколько методов машинного обучения для предсказания риска смерти пациента. Они протестировали свыше сотни комбинаций моделей и выбрали ту, которая показала наилучшие результаты как в крупной онкологической базе данных, так и в независимой когорте пациентов. Оценка оказалась мощным и независимым предиктором выживаемости, даже с учётом возраста и стадии опухоли. Важно, что метод SHAP, объясняющий решения ИИ‑моделей, указал на две гены — CYP2C9 и G6PD — как на наиболее влиятельные. Анализ на уровне отдельных клеток и пространственные исследования показали, что обе эти гены преимущественно активны в злокачественных печёночных клетках с высоким потенциалом распространения и что их активность тесно связана с взаимодействием опухолей с окружающими иммунными и поддерживающими клетками.

От оценок риска к кандидатам в лекарства

Исследование не ограничилось прогнозированием. Команда использовала глубокую обучающуюся платформу GraphBAN для скрининга более 200 000 химических соединений на предмет их способности связываться с CYP2C9 и G6PD. Затем применили ИИ‑инструмент, предсказывающий адсорбцию, метаболизм и переносимость соединений в организме, что сократило список до нескольких молекул, близких по свойствам к лекарственным. Компьютерное докирование показало, что два кандидата, направленные на каждую из ключевых белковых мишеней, хорошо помещаются в высокоэнергетические карманы своих целей и образуют стабильные комплексы со временем. Эти результаты предлагают конкретные отправные точки для разработки новых препаратов, нацеленных на метаболические уязвимости опухолей печени, выделенные Kinic Index.

Что это значит для будущей помощи пациентам

Проще говоря, работа демонстрирует, как ИИ может связать три ключевых шага современной онкологической помощи: понять, как новая белковая метка влияет на поведение опухоли; преобразовать эти знания в оценку риска, отделяющую более уязвимых пациентов от более стабильных; и быстро отобрать новые лекарственные кандидаты, нацеленные на нужные молекулы. Если эти результаты подтвердятся в последующих исследованиях и клинических испытаниях, Kinic Index может помочь врачам выявлять пациентов с раком печени, требующих более интенсивного лечения, подбирать терапии, соответствующие биологии их опухоли, и направлять разработку многотаргетных препаратов, предвосхищаających и противодействующих лекарственной устойчивости.

Цитирование: Zhou, J., Jiang, Y., Yu, M. et al. Kinic index: an artificial intelligence-driven predictive model and multitarget drug discovery framework for hepatocellular carcinoma patients. npj Precis. Onc. 10, 132 (2026). https://doi.org/10.1038/s41698-026-01324-1

Ключевые слова: гепатоцеллюлярная карцинома, точная онкология, искусственный интеллект, эпигенетическое модифицирование, поиск лекарств