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

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

Kuten tutkimuksen yhteis Tekoälybiologian tutkija MIT:stä, Caroline Uhler, selitti, ongelmana uusien lääkeaineiden kehittämisessä Covid-19:n torjumiseksi on, että lääkekehitysprosessi voi kestää vuosia. Tekoälyä on jo hyödynnetty uusien lääkeaineiden löytämisessä, ja se löytää uusia lääkeaineiden muotoiluja terapeuttisille lääkeaineille paljon nopeammin perinteisten lääkekehitysmenetelmien kuin perinteisillä menetelmillä. Valitettavasti, jopa suhteellisen nopea lääkeaineiden löytäminen tekoälyn avulla on edelleen liian hidas, kun on kyse tilanteista kuten Covid-19-pandemiasta. On paljon nopeampaa uudelleenohjata olemassa olevia lääkkeitä.

Löytääkseen lääkeaineen, joka voi torjua Covid-19:n vaikutukset vanhuksilla, tutkijat tarkastelivat geenejä, jotka muuttuivat sekä normaalissa vanhenemisessa että Covid-19-viruksen vaikutuksesta.

Covid-19:ää epäillään käyttävän tiettyjä solureittejä, erityisesti tulehdusreittejä, lisääntymiseen. On myös tiedossa, että Covid-19:n vaikutukset ovat paljon pahemmat vanhuksilla kuin nuoremmilla väestöryhmillä. Lisäksi vanhenevien yksilöiden hengitysjärjestelmät ovat luonteeltaan kudoksen jäykkyysmuutoksia. Nämä seikat huomioon ottaen tutkijat etsivät geenejä, jotka muuttuivat sekä vanhenemisessa että Covid-19:ssa, tavoitteena löytää lääkkeitä, jotka vaikuttavat myönteisesti näihin geeneihin.

Tutkijaryhmä käytti kolmevaiheista prosessia löytääkseen geenejä, jotka ovat yhteisiä molemmille reiteille. Tutkimuksen ensimmäisessä vaiheessa tiimi 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-reiteillä. Sen jälkeen tutkijat ottivat ehdokaslääkkeiden luettelon ja kartoittivat proteiinien vuorovaikutuksia sekä kahden eri reitin välillä, tuottaen proteiinien vuorovaikutuskartan molemmille. Tutkijat vertailivat sitten kahta proteiinien vuorovaikutuskartaa löytääkseen alueita, joilla ne ovat päällekkäin. Tämä johti geeni-ilmaisun verkoston löytymiseen, jota lääkkeiden tulisi kohdistaa vähentääkseen Covid-19:n vakavuutta vanhemmilla potilailla.

Tutkimushankkeen loppuvaiheessa tiimi käytti tilastollisia menetelmiä määrittääkseen syy-seuraussuhteen kartoitetuissa verkoissa. Tämän menetelmän avulla he pystyivät määrittämään tarkalleen, mitkä geeni lääkeehdokkaan tulisi vaikuttaa, jotta Covid-19-infektion vakavuus voitaisiin vähentää tehokkaimmin.

Tutkimuksen tuloksien mukaan RIPK1-geeni oli osa genomiikkaa, jota Covid-19-hoitolääkkeiden tulisi kohdistaa. Jotkut ehdokaslääkkeistä käytetään jo syöpän hoitoon. Jotkut ehdokaslääkkeet ovat jo testattavina lääketieteellisissä laitoksissa Covid-19:n hoitoon.

Tutkijaryhmä toteaa, että tämä on vain ensimmäinen askel määrittämään, mitkä lääkkeet voitaisiin uudelleenohjata Covid-19:n hoitoon. Laajoja in vitro -kokeita ja kliinisiä tutkimuksia on tehtävä, jotta voidaan määrittää, ovatko lääkkeet todella tehokkaita. Jos lähestymistapa osoittautuu onnistuneeksi, sitä voidaan käyttää löytämään tehokkaita lääkkeitä muidenkin sairauksien hoitoon.

Kuten tutkijaryhmä kirjoittaa:

“Vaikka sovellemme laskennallista alustaa SARS-CoV-2:n yhteydessä, algoritmemme integroivat data-muotoja, jotka ovat saatavilla monille sairauksille, mikä tekee niistä laajasti sovellettavissa.”