Ερευνητές του AI Ανάπτυξαν Μέθοδο για την Ανακατεύθυνση Υπάρχοντων Φαρμάκων για την καταπολέμηση του Covid-19

Μια διεθνής ομάδα ερευνητών εφαρμόζει μοντέλα AI για να βρει ήδη υπάρχοντα φάρμακα που μπορούν να θεραπεύσουν το Covid-19 σε ηλικιωμένους ασθενείς. Η ερευνητική ομάδα εφαρμόζει μοντέλα autoencoder σε φάρμακα που ήδη υπάρχουν στην αγορά, με στόχο να βρει κοινότητες στις αλλαγές της γονιδιακής έκφρασης που προκαλούνται και από τη φυσιολογική γήρανση και από το Covid-19.

Όπως εξηγεί ο συν-συγγραφέας της μελέτης, ο υπολογιστικός βιολόγος στο MIT, Caroline Uhler, το πρόβλημα με την ανάπτυξη νέων φαρμάκων για την καταπολέμηση του Covid-19 είναι ότι η διαδικασία ανάπτυξης φαρμάκων μπορεί να διαρκέσει χρόνια. Το AI έχει ήδη χρησιμοποιηθεί για την ανακάλυψη νέων φαρμάκων, βρίσκοντας νέες μορφές για θεραπευτικά φάρμακα πολύ πιο γρήγορα από τις παραδοσιακές μεθόδους ανακάλυψης φαρμάκων. Δυστυχώς, ακόμη και η σχετικά γρήγορη ταχύτητα με την οποία τα φάρμακα μπορούν να ανακαλυφθούν χρησιμοποιώντας το AI είναι ακόμη πολύ αργή όταν πρόκειται για καταστάσεις όπως η πανδημία του Covid-19. Είναι πολύ πιο εξε迪ktη να ανακατευθυνθούν υπάρχοντα φάρμακα.

Για να βρουν ένα φάρμακο που μπορεί να καταπολεμήσει τις επιπτώσεις του Covid-19 σε ηλικιωμένες πληθυσμούς, οι ερευνητές εξέτασαν γονίδια που υποβλήθηκαν σε αλλαγές και κατά τη φυσιολογική γήρανση και όταν επηρεάστηκαν από το ιό του Covid-19.

Το Covid-19 υποθέτεται ότι χρησιμοποιεί bestimmμένες κυτταρικές οδούς, ιδιαίτερα φλεγμονώδεις οδούς, για να αναπαραχθεί. Είναι επίσης γνωστό ότι οι επιπτώσεις του Covid-19 είναι πολύ χειρότερες σε ηλικιωμένους πληθυσμούς από νεότερους πληθυσμούς. Επιπλέον, τα αναπνευστικά συστήματα των γηραντικών ατόμων χαρακτηρίζονται από αλλαγές στη σκληρότητα των ιστών. Δεδομένων αυτών των γεγονότων, οι ερευνητές αναζήτησαν γονίδια που άλλαξαν και από τη γήρανση και από το Covid-19, με στόχο να βρουν φάρμακα που αλληλεπιδρούν θετικά με αυτά τα γονίδια.

Η ερευνητική ομάδα χρησιμοποίησε μια τριβάθμιτη διαδικασία για να βρει γονίδια κοινά και στις δύο οδούς. Στην πρώτη φάση της έρευνας, η ομάδα χρησιμοποίησε ένα autoencoder για να δημιουργήσει μια λίστα υποψήφιων φαρμάκων. Αυτό έγινε με το autoencoder να αναλύει δύο συνόλους δεδομένων για τα μοτίβα γονιδιακής έκφρασης, επιλέγοντας τα φάρμακα που φαίνονταν να μειώνουν την συνολική επίδραση του ιού. Το αποτέλεσμα ήταν μια λίστα υποψήφιων φαρμάκων και των συναφών αλληλεπιδράσεων με πρωτεΐνες και στις δύο οδούς. Μετά, οι ερευνητές πήραν τη λίστα των υποψήφιων φαρμάκων και χαρτογράφησαν τις αλληλεπιδράσεις μεταξύ πρωτεϊνών και των δύο οδών, παράγοντας einen χάρτη αλληλεπιδράσεων πρωτεϊνών για τις δύο. Οι ερευνητές συνέκριναν τους δύο χάρτες αλληλεπιδράσεων πρωτεϊνών για να βρουν περιοχές επικάλυψης. Αυτό οδήγησε στην ανακάλυψη ενός δικτύου γονιδιακής έκφρασης που τα φάρμακα πρέπει να στοχεύσουν για να μειώσουν τη σοβαρότητα του Covid-19 σε ηλικιωμένους ασθενείς.

Στην τελική φάση της έρευνας, η ομάδα χρησιμοποίησε στατιστικές μεθόδους για να καθορίσει την αιτιότητα μέσα στα χαρτογραφημένα δίκτυα. Χρησιμοποιώντας αυτή τη μέθοδο, ήταν σε θέση να καθορίσουν τα ακριβή γονίδια με τα οποία ένα υποψήφιο φάρμακο πρέπει να αλληλεπιδράσει για να μειώσει αποτελεσματικά τη σοβαρότητα μιας μόλυνσης Covid-19.

Σύμφωνα με τα αποτελέσματα της ανάλυσης τους, το γονίδιο RIPK1 ήταν το μέρος του γονιδιώματος που θεωρήθηκε πιο κατάλληλο για στόχευση από φάρμακα θεραπείας Covid-19. Κάποια από τα υποψήφια φάρμακα χρησιμοποιούνται για την θεραπεία του καρκίνου. Άλλα υποψήφια φάρμακα ήδη δοκιμάζονται από ιατρικά ιδρύματα για την θεραπεία του Covid-19.

Η ερευνητική ομάδα σημειώνει ότι αυτό είναι μόνο ο πρώτος βήμας στην καθορισμό ποια φάρμακα θα μπορούσαν να ανακατευθυνθούν για την θεραπεία του Covid-19. Εκτεταμένες πειραματικές δοκιμές και κλινικές δοκιμές θα πρέπει να διεξαχθούν για να καθορίσει αν τα φάρμακα είναι πραγματικά αποτελεσματικά. Ωστόσο, αν η προσέγγιση αποδειχθεί επιτυχημένη, θα μπορούσε να χρησιμοποιηθεί για να βρεθούν αποτελεσματικά φάρμακα για άλλες καταστάσεις.

Σύμφωνα με την ερευνητική ομάδα γράφει:

“Ενώ εφαρμόζουμε την υπολογιστική μας πλατφόρμα στο контек스트 του SARS-CoV-2, οι αλγόριθμοί μας ενσωματώνουν δεδομένα που είναι διαθέσιμα για πολλές ασθένειες, καθιστώντας τους ευρέως εφαρμόσιμους.”