AI-forskere utvikler metode for å gjenbruke eksisterende legemidler til å bekjempe Covid-19

Et internasjonalt forskningsteam har brukt AI-modeller for å finne allerede eksisterende legemidler som kan behandle Covid-19 hos eldre pasienter. Forskningsteamet har brukt autoencoder-modeller på legemidler som allerede er på markedet, med mål om å finne felles trekk i endringer i genuttrykk forårsaket av både naturlig aldring og Covid-19.

Som studiekoordinator og bioinformatiker ved MIT, Caroline Uhler, forklarer, er problemet med å utvikle nye legemidler for å bekjempe Covid-19 at legemiddelutviklingsprosessen kan ta år. AI har allerede blitt brukt til å oppdage nye legemidler, og finner nye formuleringer for terapeutiske legemidler mye raskere enn tradisjonelle legemiddelutviklingsmetoder. Dessverre er selv den relativt raske hastigheten som legemidler kan oppdages ved hjelp av AI fortsatt for langsom i situasjoner som Covid-19-pandemien. Det er mye mer effektivt å gjenbruke eksisterende legemidler.

For å finne et legemiddel som kan bekjempe effektene av Covid-19 hos eldre befolkninger, så på forskerne genene som gjennomgikk endringer både under normal aldring og når de ble påvirket av Covid-19-viruset.

Covid-19 antas å bruke bestemte celleveier, særlig inflammatoriske veier, for å replikere. Det er også kjent at effektene av Covid-19 er mye verre hos eldre befolkninger enn yngre befolkninger. Videre er respirasjonssystemene til eldre individer karakterisert av endringer i vevsstivhet. Gitt disse faktene, så etter forskerne genene som ble endret både av aldring og Covid-19, med mål om å finne legemidler som samhandler positivt med disse genene.

Forsknings-teamet brukte en tre-stegs prosess for å finne genene som var felles for begge veier. I den første fasen av forskningen, brukte teamet en autoencoder for å generere en liste over kandidat-legemidler. Dette ble gjort ved å la autoencoderen analysere to datasett med mønster av genuttrykk, og velge legemidler som syntes å redusere virusets totale påvirkning. Resultatet var en liste over kandidat-legemidler og deres tilhørende interaksjoner med proteiner i både aldrings- og infeksjonsveier. Deretter tok forskerne listen over kandidat-legemidler og kartla interaksjonene mellom proteiner og de to ulike veiene, og produserte en kart over proteininteraksjoner for begge. Forskerne sammenlignet deretter de to proteininteraksjonskartene for å finne områder med overlap. Dette ledet til oppdagelsen av et genuttrykksnettverk som legemidler burde målrette for å redusere alvorlighetsgraden av Covid-19 hos eldre pasienter.

I den siste fasen av forskningsprosjektet, brukte teamet statistiske metoder for å bestemme årsakssammenheng innen de kartlagte nettverkene. Ved hjelp av denne metoden, kunne de bestemme de eksakte genene som en legemiddelkandidat burde samhandle med for å mest effektivt redusere alvorlighetsgraden av en Covid-19-infeksjon.

Ifølge resultater fra deres analyse, var RIPK1-genet det delen av genomet som ble antatt å være best egnet for målretting av Covid-19-terapi-legemidler. Noen av kandidat-legemidlene brukes til å behandle kreft. Andre kandidat-legemidler blir allerede testet av medisinske institusjoner for å behandle Covid-19.

Forsknings-teamet påpeker at dette bare er det første steget i å bestemme hvilke legemidler som kan gjenbrukes for behandling av Covid-19. Omfattende in vitro-eksperimenter og kliniske studier må gjennomføres for å avgjøre om legemidlene faktisk er effektive. Men hvis tilnærmingen viser seg å være suksessfull, kan den brukes til å finne effektive legemidler for andre tilstander.

Som forskningsteamet skriver:

“ Mens vi anvender vår komputasjonelle plattform i sammenheng med SARS-CoV-2, integrerer våre algoritmer data-modaler som er tilgjengelige for mange sykdommer, og gjør dem dermed bredt anvendelige.”