AI-forskere udvikler metode til at genbruge eksisterende medicin til at bekæmpe Covid-19

Et internationalt hold af forskere har anvendt AI-modeller til at finde allerede eksisterende medicin, der kan behandle Covid-19 hos ældre patienter. Forskerholdet anvendte autoencoder-modeller på medicin, der allerede er på markedet, med det formål at finde fælles træk i ændringer i genudtryk, forårsaget af både naturlig aldring og Covid-19.

Som studieco-forfatter, computational biolog ved MIT, Caroline Uhler, forklarer, at problemet med at udvikle nye medicin til at bekæmpe Covid-19 er, at udviklingsprocessen for medicin kan tage år. AI er allerede blevet anvendt til at opdage nye medicin, og finder nye formuleringer for terapeutiske medicin meget hurtigere end traditionelle metoder til medicinudvikling. Desværre er selv den relativt hurtige hastighed, hvormed medicin kan opdages ved hjælp af AI, stadig langt for langsom til situationer som Covid-19-pandemien. Det er meget mere effektivt at genbruge eksisterende medicin.

For at finde en medicin, der kan bekæmpe effekterne af Covid-19 hos ældre befolkninger, sårede forskerne på gener, der undergik ændringer under både normal aldring og når de var påvirkede af Covid-19-virus.

Covid-19 antages at bruge visse celleveje, især inflammatoriske veje, til at replikere. Det er også kendt, at effekterne af Covid-19 er meget værre hos ældre befolkninger end yngre befolkninger. Desuden er respirationsystemerne hos ældre karakteriseret ved ændringer i vævsstivhed. Med disse kendsgerninger så forskerne efter gener, der blev ændret af både aldring og Covid-19, med det formål at finde medicin, der interagerer positivt med disse gener.

Forskerholdet anvendte en tretrinsproces til at finde gener, der var fælles for begge veje. I den første fase af forskningen anvendte holdet en autoencoder til at generere en liste over kandidatmedicin. Dette blev gjort ved at lade autoencoderen analysere to datasæt med mønstre af genudtryk, og vælge de medicin, der syntes at reducere virusets samlede indvirkning. Resultatet var en liste over kandidatmedicin og deres tilhørende interaktioner med proteiner i både aldrings- og infektionsveje. Efterfølgende tog forskerne listen over kandidatmedicin og kortlagde interaktionerne mellem proteiner og de to forskellige veje, og producerede et kort over proteininteraktioner for begge. Forskerne sammenlignede derefter de to proteininteraktionskort for at finde områder med overlap. Dette ledte til opdagelsen af et genudtryksnetværk, som medicin burde målrette for at reducere sværhedsgraden af Covid-19 hos ældre patienter.

I den endelige fase af forskningsprojektet anvendte holdet statistiske metoder til at bestemme årsagen til de kortlagte netværk. Ved hjælp af denne metode kunne de bestemme de præcise gener, som en kandidatmedicin burde interagere med for at reducere sværhedsgraden af en Covid-19-infektion mest effektivt.

Ifølge resultaterne af deres analyse var RIPK1-genet det del af genomet, der blev anset for at være mest egnede til at blive målrettet af Covid-19-terapi medicin. Nogle af de kandidatmedicin, der blev fundet, anvendes til at behandle kræft. Andre kandidatmedicin er allerede blevet testet af medicinske institutter til at behandle Covid-19.

Forskerholdet bemærker, at dette kun er det første skridt i at bestemme, hvilke medicin der kan genbruges til behandling af Covid-19. Omfattende in vitro-eksperimenter og kliniske forsøg må udføres for at afgøre, om medicinen faktisk er effektiv. Men hvis denne tilgang viser sig at være succesfuld, kan den anvendes til at finde effektive medicin til andre tilstande.

Som forskerholdet skriver:

“ Mens vi anvender vores computermæssige platform i sammenhæng med SARS-CoV-2, integrerer vores algoritmer data-modalityer, der er tilgængelige for mange sygdomme, og gør dem dermed bredt anvendelige.”