Tekoälytutkijat kehittivät menetelmän olemassa olevien lääkeaineiden uudelleenohjaukseen Covid-19:n torjumiseksi

Kansainvälinen tutkijaryhmä on soveltanut tekoälymallinnuksia löytääkseen jo olemassa olevia lääkkeitä, jotka voivat hoitaa Covid-19:tä vanhuksilla. Tutkijaryhmä sovelsi autoencoder-malleja markkinoilla oleviin lääkkeisiin, tavoittena löytää yhteisiä piirteitä geeni-ilmaisun muutoksissa, jotka johtuvat sekä luonnollisesta vanhenemisesta että Covid-19:stä.

Tutkimuksen yhteistyöntekijänä toimivan MIT:n laskennallisen biologian tutkijan Caroline Uhlerin mukaan uusien lääkeaineiden kehittäminen Covid-19:n torjumiseksi on ongelmallista, koska lääkekehitysprosessi voi kestää vuosia. Tekoälyä on jo hyödynnetty uusien lääkeaineiden löytämiseen, ja se löytää uusia lääkeformulointeja terapeuttisille lääkkeille paljon perinteisiä lääkekehitysmenetelmiä nopeammin. Valitettavasti jopa tekoälyllä löydettävien lääkeaineiden suhteellisen nopea kehitys on edelleen liian hidas tilanteissa kuten Covid-19-pandemia. On paljon järkevämpää uudelleenohjata olemassa olevia lääkkeitä.

Jotta voidaan löytää lääke, joka voi torjua Covid-19:n vaikutukset vanhuksilla, tutkijat tarkastelivat geenejä, jotka muuttuvat sekä normaalissa vanhenemisessa että Covid-19-viruksen vaikutuksesta.

Covid-19:n oletetaan hyödyntävän tiettyjä solun signaalireittejä, erityisesti tulehdusreittejä, lisääntymiseen. On myös tiedossa, että Covid-19:n vaikutukset ovat paljon pahemmat vanhuksilla kuin nuoremmilla väestöryhmillä. Lisäksi vanhenevien yksilöiden hengityselimet ovat luonteeltaan kudoksen jäykkyyden muutoksia. Näiden seikkojen perusteella tutkijat etsivät geenejä, jotka muuttuvat sekä vanhenemisen että Covid-19:n vaikutuksesta, tavoittena löytää lääkkeitä, jotka vaikuttavat myönteisesti näihin geeneihin.

Tutkijaryhmä käytti kolmevaiheista prosessia löytääkseen geenejä, jotka ovat yhteisiä molemmille reiteille. Tutkimuksen ensimmäisessä vaiheessa ryhmä käytti autoencoderia luodakseen luettelon ehdokaslääkkeistä. Tämä tehtiin analysoimalla kaksi geeni-ilmaisumallin aineistoa ja valitsemalla lääkkeet, jotka näyttivät vähentävän viruksen yleistä vaikutusta. Tuloksena oli luettelo ehdokaslääkkeistä ja niiden vuorovaikutuksista proteiinien kanssa sekä vanhenemis- että infektio-reiteissä. Sen jälkeen tutkijat ottivat ehdokaslääkkeiden luettelon ja kartoittivat proteiinien vuorovaikutukset sekä kahden reitin välillä, tuottaen proteiinien vuorovaikutuskartan kummallekin. Tutkijat vertailivat sitten kahta proteiinien vuorovaikutuskartaa löytääkseen päällekkäisiä alueita. Tämä johti geeni-ilmaisun verkkomallin löytymiseen, jota lääkkeiden tulisi kohdistaa vähentääkseen Covid-19:n vakavuutta vanhuksilla.

Tutkimuksen lopuvaiheessa ryhmä käytti tilastollisia menetelmiä määrittääkseen syyn ja seuraus-suhteen kartoitetuissa verkkomalleissa. Tällä menetelmällä he pystyivät määrittämään tarkalleen ne geenit, joihin lääke-ehdokkaan tulisi vaikuttaa tehokkaimmin vähentääkseen Covid-19-infektion vakavuutta.

Tutkimuksen tuloksien mukaan RIPK1-geeni oli osa genomiikkaa, joka katsottiin sopivimmaksi Covid-19-hoitolääkkeiden kohdistamiseen. Jotkut ehdokaslääkkeistä ovat syöpälääkkeitä. Jotkut ehdokaslääkkeistä ovat jo testattuina lääketieteellisissä laitoksissa Covid-19:n hoitamiseksi.

Tutkijaryhmä toteaa, että tämä on vain ensimmäinen askel määrittämään, mitkä lääkkeet voitaisiin uudelleenohjata Covid-19:n hoitamiseen. Laajat in vitro -kokeet ja kliiniset tutkimukset on tehtävä, jotta voidaan määrittää, ovatko lääkkeet todella tehokkaita. Jos lähestymistapa osoittautuu onnistuneeksi, sitä voidaan käyttää myös muiden sairauksien tehokkaiden lääkkeiden löytämiseen.

Tutkijaryhmä kirjoittaa:

“Koska sovellemme laskennallista alustaa SARS-CoV-2:n yhteydessä, algoritmejamme voidaan soveltaa moniin muihin sairauksiin, koska ne sisältävät useita tietomuotoja, jotka ovat saatavilla monille sairauksille.”