Peneliti Kecerdasan Buatan Kembangkan Metode untuk Menggunakan Kembali Obat yang Ada untuk Melawan Covid-19

Sebuah tim peneliti internasional telah menerapkan model AI untuk menemukan obat yang sudah ada yang dapat mengobati Covid-19 pada pasien lanjut usia. Tim peneliti model autoencoder yang diterapkan dengan obat-obatan yang sudah ada di pasaran, bertujuan untuk menemukan kesamaan dalam perubahan ekspresi gen yang disebabkan oleh penuaan alami dan Covid-19.

Seperti yang dijelaskan oleh rekan penulis studi ahli biologi komputasi di MIT, Caroline Uhler, masalah dalam mengembangkan obat baru untuk memerangi Covid-19 adalah proses pengembangan obat bisa memakan waktu bertahun-tahun. AI telah dimanfaatkan untuk menemukan obat baru, menemukan formulasi baru untuk obat terapeutik jauh lebih cepat daripada metode penemuan obat tradisional. Sayangnya, bahkan kecepatan yang relatif cepat di mana obat dapat ditemukan menggunakan AI masih terlalu lambat untuk situasi seperti pandemi Covid-19. Jauh lebih bijaksana untuk menggunakan kembali obat yang ada.

Untuk menemukan obat yang dapat melawan efek Covid-19 pada populasi lansia, para peneliti mengamati gen yang mengalami perubahan baik selama penuaan normal maupun saat terkena virus Covid-19.

Covid-19 dihipotesiskan menggunakan jalur sel tertentu, terutama jalur inflamasi, untuk bereplikasi. Diketahui juga bahwa efek Covid-19 jauh lebih buruk pada populasi lanjut usia daripada populasi yang lebih muda. Selain itu, sistem pernapasan individu yang menua ditandai dengan perubahan kekakuan jaringan. Mengingat fakta ini, para peneliti mencari gen yang diubah oleh penuaan dan Covid-19, dengan tujuan menemukan obat yang berinteraksi secara positif dengan gen ini.

Tim peneliti menggunakan proses tiga langkah untuk menemukan gen yang sama pada kedua jalur tersebut. Pada tahap pertama penelitian, tim menggunakan autoencoder untuk membuat daftar kandidat obat. Ini dilakukan dengan membuat autoencoder menganalisis dua kumpulan data pola ekspresi gen, memilih obat yang tampaknya mengurangi dampak keseluruhan virus. Hasilnya adalah daftar obat kandidat dan interaksi yang menyertainya dengan protein pada jalur penuaan dan infeksi. Setelah itu, para peneliti mengambil daftar obat kandidat dan memetakan interaksi antara protein dan dua jalur berbeda, menghasilkan peta interaksi protein untuk keduanya. Para peneliti kemudian membandingkan dua peta interaksi protein untuk menemukan area yang tumpang tindih. Hal ini mengarah pada penemuan jaringan ekspresi gen yang harus ditargetkan obat untuk mengurangi keparahan Covid-19 pada pasien yang lebih tua.

Pada fase akhir proyek penelitian, tim menggunakan metode statistik untuk menentukan kausalitas dalam jaringan yang dipetakan. Dengan menggunakan metode ini, mereka dapat menentukan gen yang tepat yang harus berinteraksi dengan kandidat obat untuk mengurangi tingkat keparahan infeksi Covid-19 secara paling efektif.

Menurut hasil analisis mereka, gen RIPK1 merupakan bagian dari genom yang dianggap paling cocok untuk dijadikan target oleh obat terapi Covid-19. Beberapa kandidat obat digunakan untuk mengobati kanker. Kandidat obat lain sudah diuji oleh lembaga medis untuk mengobati Covid-19.

Tim peneliti mencatat bahwa ini hanyalah langkah pertama dalam menentukan obat mana yang dapat digunakan kembali untuk pengobatan Covid-19. Eksperimen in vitro dan uji klinis yang ekstensif harus dilakukan untuk menentukan apakah obat tersebut benar-benar efektif. Namun, jika pendekatan tersebut terbukti berhasil, pendekatan tersebut dapat digunakan untuk menemukan obat yang efektif untuk kondisi lain.

Menurut tim peneliti menulis:

“Sementara kami menerapkan platform komputasi kami dalam konteks SARS-CoV-2, algoritme kami mengintegrasikan modalitas data yang tersedia untuk banyak penyakit, sehingga menjadikannya dapat diterapkan secara luas.”