AI-onderzoekers ontwikkelen methode om bestaande medicijnen te hergebruiken om Covid-19 te bestrijden

Een internationaal team van onderzoekers heeft AI-modellen toegepast om reeds bestaande medicijnen te vinden die Covid-19 bij ouderen kunnen behandelen. Het onderzoeksteam heeft autoencoder-modellen toegepast op medicijnen die reeds op de markt zijn, met als doel overeenkomsten te vinden in veranderingen in genexpressie die zowel door natuurlijke veroudering als door Covid-19 worden veroorzaakt.

Zoals uitgelegd door medeauteur en computationeel bioloog aan MIT, Caroline Uhler, is het probleem met het ontwikkelen van nieuwe medicijnen om Covid-19 te bestrijden dat het proces van medicijnontwikkeling jaren kan duren. AI is al gebruikt om nieuwe medicijnen te ontdekken, waarbij nieuwe formuleringen voor therapeutische medicijnen veel sneller worden gevonden dan met traditionele methoden van medicijnontdekking. Helaas is zelfs de relatief snelle snelheid waarmee medicijnen met AI kunnen worden ontdekt nog steeds veel te langzaam voor situaties zoals de Covid-19-pandemie. Het is veel efficiënter om bestaande medicijnen te hergebruiken.

Om een medicijn te vinden dat de effecten van Covid-19 bij ouderen kan bestrijden, keken de onderzoekers naar genen die veranderingen ondergaan tijdens zowel normale veroudering als wanneer ze worden beïnvloed door het Covid-19-virus.

Covid-19 wordt verondersteld bepaalde celwegen, met name ontstekingswegen, te gebruiken om zich te vermenigvuldigen. Het is ook bekend dat de effecten van Covid-19 veel erger zijn bij ouderen dan bij jongere populaties. Bovendien worden de ademhalingssystemen van verouderde individuen gekenmerkt door veranderingen in weefselstijfheid. Gezien deze feiten, zochten de onderzoekers naar genen die zowel door veroudering als door Covid-19 werden beïnvloed, met als doel medicijnen te vinden die positief op deze genen inwerken.

Het onderzoeksteam gebruikte een driestapsproces om genen te vinden die in beide wegen voorkwamen. In de eerste fase van het onderzoek, gebruikte het team een autoencoder om een lijst van kandidaat-medicijnen te genereren. Dit werd gedaan door de autoencoder twee datasets van genexpressiepatronen te laten analyseren, waarbij de medicijnen werden geselecteerd die de algehele impact van het virus leken te verminderen. Het resultaat was een lijst van kandidaat-medicijnen en hun bijbehorende interacties met eiwitten in zowel verouderings- als infectiepaden. Vervolgens namen de onderzoekers de lijst van kandidaat-medicijnen en kaarten de interacties tussen eiwitten en de twee verschillende paden, waardoor een kaart van eiwitinteracties voor beide ontstond. De onderzoekers vergeleken vervolgens de twee eiwitinteractiekaarten om overeenkomsten te vinden. Dit leidde tot de ontdekking van een genexpressienetwerk dat medicijnen zouden moeten richten om de ernst van Covid-19 bij ouderen te verminderen.

In de laatste fase van het onderzoeksproject, paste het team statistische methoden toe om causaliteit binnen de in kaart gebrachte netwerken te bepalen. Met behulp van deze methode konden ze de exacte genen bepalen waarmee een kandidaat-medicijn zou moeten interacteren om de ernst van een Covid-19-infectie het meest effectief te verminderen.

Volgens de resultaten van hun analyse was het RIPK1-gen het deel van het genoom dat het meest geschikt werd geacht om door Covid-19-therapie-medicijnen te worden gericht. Sommige van de kandidaat-medicijnen worden gebruikt om kanker te behandelen. Andere kandidaat-medicijnen worden reeds getest door medische instellingen om Covid-19 te behandelen.

Het onderzoeksteam merkt op dat dit slechts de eerste stap is in het bepalen van welke medicijnen kunnen worden hergebruikt voor de behandeling van Covid-19. Uitgebreide in vitro-experimenten en klinische trials zullen moeten worden uitgevoerd om te bepalen of de medicijnen daadwerkelijk effectief zijn. Als de aanpak echter succesvol blijkt te zijn, kan deze worden gebruikt om effectieve medicijnen voor andere aandoeningen te vinden.

Volgens het onderzoeksteam:

“While we apply our computational platform in the context of SARS-CoV-2, our algorithms integrate data modalities that are available for many diseases, thereby making them broadly applicable.”