I ricercatori di intelligenza artificiale sviluppano un metodo per riutilizzare farmaci esistenti per combattere il Covid-19

Un team internazionale di ricercatori ha applicato modelli di intelligenza artificiale per trovare farmaci già esistenti che possono trattare il Covid-19 nei pazienti anziani. Il team di ricerca ha applicato modelli autoencoder a farmaci già sul mercato, con l’obiettivo di trovare comunanità nelle modifiche dell’espressione genica causate sia dall’invecchiamento naturale che dal Covid-19.

Come spiegato dalla coautrice dello studio, la biologa computazionale del MIT, Caroline Uhler, il problema nello sviluppare nuovi farmaci per combattere il Covid-19 è che il processo di sviluppo dei farmaci può richiedere anni. L’intelligenza artificiale è già stata utilizzata per scoprire nuovi farmaci, trovando nuove formulazioni per farmaci terapeutici molto più velocemente dei metodi tradizionali di scoperta dei farmaci. Purtroppo, anche la velocità relativamente rapida con cui i farmaci possono essere scoperti utilizzando l’intelligenza artificiale è ancora troppo lenta quando si tratta di situazioni come la pandemia di Covid-19. È molto più rapido riutilizzare farmaci esistenti.

Al fine di trovare un farmaco che possa combattere gli effetti del Covid-19 nelle popolazioni anziane, i ricercatori hanno esaminato i geni che subiscono modifiche durante sia l’invecchiamento normale che quando sono influenzati dal virus Covid-19.

Il Covid-19 si ipotizza utilizzi alcune vie cellulari, in particolare le vie infiammatorie, per replicarsi. È anche noto che gli effetti del Covid-19 sono molto peggiori nelle popolazioni anziane rispetto a quelle più giovani. Inoltre, i sistemi respiratori degli individui che invecchiano sono caratterizzati da alterazioni nella rigidità dei tessuti. Date queste informazioni, i ricercatori hanno cercato geni alterati sia dall’invecchiamento che dal Covid-19, con l’obiettivo di trovare farmaci che interagiscano positivamente con questi geni.

Il team di ricerca ha utilizzato un processo in tre fasi per trovare geni comuni a entrambe le vie. Nella prima fase della ricerca, il team ha utilizzato un autoencoder per generare un elenco di farmaci candidati. Ciò è stato fatto analizzando due set di dati di modelli di espressione genica, selezionando i farmaci che sembravano ridurre l’impatto complessivo del virus. Il risultato è stato un elenco di farmaci candidati e delle loro interazioni con le proteine nelle vie di invecchiamento e infezione. Successivamente, i ricercatori hanno preso l’elenco dei farmaci candidati e hanno mappato le interazioni tra le proteine e le due vie diverse, producendo una mappa delle interazioni proteiche per entrambe. I ricercatori hanno quindi confrontato le due mappe di interazione proteica per trovare aree di sovrapposizione. Ciò ha portato alla scoperta di una rete di espressione genica che i farmaci dovrebbero bersagliare per ridurre la gravità del Covid-19 nei pazienti più anziani.

Nella fase finale del progetto di ricerca, il team ha utilizzato metodi statistici per determinare la causalità all’interno delle reti mappate. Utilizzando questo metodo, sono stati in grado di determinare esattamente i geni con cui un farmaco candidato dovrebbe interagire per ridurre al meglio la gravità di un’infezione da Covid-19.

Secondo i risultati della loro analisi, il gene RIPK1 è stato considerato la parte del genoma più adatta per essere bersagliata da farmaci terapeutici per il Covid-19. Alcuni dei farmaci candidati sono utilizzati per trattare il cancro. Altri farmaci candidati sono già stati testati da istituti medici per trattare il Covid-19.

Il team di ricerca nota che questo è solo il primo passo nel determinare quali farmaci potrebbero essere riutilizzati per il trattamento del Covid-19. Saranno necessari esperimenti estensivi in vitro e trial clinici per determinare se i farmaci sono effettivamente efficaci. Tuttavia, se l’approccio si rivela efficace, potrebbe essere utilizzato per trovare farmaci efficaci per altre condizioni.

Secondo il team di ricercatori:

“Mentre applichiamo la nostra piattaforma computazionale nel contesto del SARS-CoV-2, i nostri algoritmi integrano modalità di dati disponibili per molte malattie, rendendoli così ampiamente applicabili.”