Cercetătorii AI Dezvoltă Metodă pentru Repurificarea Medicamentelor Existente pentru a Lupta împotriva Covid-19

O echipă internațională de cercetători a aplicat modele de IA pentru a găsi medicamente existente care pot trata Covid-19 la pacienții vârstnici. Echipa de cercetare a aplicat modele autoencoder la medicamentele deja de pe piață, având ca scop găsirea unor asemănări în modificările exprimării genice cauzate atât de îmbătrânirea naturală, cât și de Covid-19.

După cum explică coautorul studiului, biologul computațional de la MIT, Caroline Uhler, problema dezvoltării de noi medicamente pentru a combate Covid-19 este că procesul de dezvoltare a medicamentelor poate dura ani. IA a fost deja utilizată pentru a descoperi noi medicamente, găsind noi formule pentru medicamente terapeutice mult mai rapid decât metodele tradiționale de descoperire a medicamentelor. Din nefericire, chiar și viteza relativ rapidă cu care medicamentele pot fi descoperite utilizând IA este încă prea lentă atunci când vine vorba de situații precum pandemia Covid-19. Este mult mai rapid să se repurifice medicamentele existente.

Pentru a găsi un medicament care poate combate efectele Covid-19 la populația vârstnică, cercetătorii au examinat genele care au suferit modificări atât în timpul îmbătrânirii normale, cât și atunci când au fost afectate de virusul Covid-19.

Se presupune că Covid-19 utilizează anumite căi celulare, în special căi inflamatorii, pentru a se reproduce. De asemenea, se știe că efectele Covid-19 sunt mult mai grave la populația vârstnică decât la cea tânără. Mai mult, sistemele respiratorii ale indivizilor în vârstă sunt caracterizate prin modificări ale rigidității țesuturilor. Având în vedere aceste fapte, cercetătorii au căutat gene modificate atât de îmbătrânire, cât și de Covid-19, scopul fiind acela de a găsi medicamente care interacționează pozitiv cu aceste gene.

Echipa de cercetare a utilizat un proces în trei etape pentru a găsi gene comune ambelor căi. În prima fază a cercetării, echipa a utilizat un autoencoder pentru a genera o listă de medicamente candidate. Acest lucru a fost realizat prin analiza a două seturi de date de patternuri de exprimare a genelor, selectând medicamentele care păreau să reducă impactul general al virusului. Rezultatul a fost o listă de medicamente candidate și interacțiunile lor cu proteinele din ambele căi de îmbătrânire și infecție. După aceea, cercetătorii au luat lista de medicamente candidate și au cartat interacțiunile dintre proteine și cele două căi diferite, producând o hartă a interacțiunilor proteice pentru ambele. Cercetătorii au comparat apoi cele două hărți de interacțiune a proteinelor pentru a găsi zone de suprapunere. Acest lucru a condus la descoperirea unei rețele de exprimare a genelor pe care medicamentele ar trebui să o țintească pentru a reduce gravitatea Covid-19 la pacienții mai în vârstă.

În ultima fază a proiectului de cercetare, echipa a utilizat metode statistice pentru a determina cauzalitatea în rețelele cartate. Utilizând această metodă, au putut determina genele exacte cu care un medicament candidat ar trebui să interacționeze pentru a reduce cel mai eficient gravitatea unei infecții cu Covid-19.

Conform rezultatelor analizei lor, gena RIPK1 a fost considerată partea genomului cea mai potrivită pentru a fi țintită de medicamentele terapeutice Covid-19. Unele dintre medicamentele candidate sunt utilizate pentru a trata cancerul. Alte medicamente candidate sunt deja testate de institute medicale pentru a trata Covid-19.

Echipa de cercetare notează că acesta este doar primul pas în determinarea medicamentelor care ar putea fi repurificate pentru tratamentul Covid-19. Experimente extinse in vitro și studii clinice vor trebui să fie efectuate pentru a determina dacă medicamentele sunt cu adevărat eficiente. Cu toate acestea, dacă abordarea se dovedește a fi de succes, ea ar putea fi utilizată pentru a găsi medicamente eficiente pentru alte afecțiuni.

Conform afirmației echipei de cercetare:

“În timp ce aplicăm platforma noastră computațională în contextul SARS-CoV-2, algoritmii noștri integrează modalități de date disponibile pentru multe boli, făcându-le astfel aplicabile în mod larg.”