Исследователи ИИ разработали метод повторного использования существующих препаратов для борьбы с Covid-19

Международная команда исследователей применила модели ИИ для поиска уже существующих препаратов, которые могут лечить Covid-19 у пожилых пациентов. Команда исследователей применила модели автоэнкодера к препаратам, уже находящимся на рынке, с целью найти общие черты в изменениях экспрессии генов, вызванных как естественным старением, так и Covid-19.

Как объяснила соавтор исследования, вычислительный биолог в MIT, Кэролайн Улер, проблема разработки новых препаратов для борьбы с Covid-19 заключается в том, что процесс разработки препаратов может занять годы. ИИ уже используется для открытия новых препаратов, нахождения новых формул для терапевтических препаратов намного быстрее, чем традиционные методы открытия препаратов. К сожалению, даже относительно быстрая скорость, с которой можно открыть препараты с помощью ИИ, все еще слишком медленна для ситуации, подобной пандемии Covid-19. Гораздо более целесообразно повторно использовать существующие препараты.

Чтобы найти препарат, который может бороться с последствиями Covid-19 у пожилых людей, исследователи изучили гены, которые претерпевают изменения во время как нормального старения, так и при воздействии вируса Covid-19.

Предполагается, что Covid-19 использует определенные пути клеток, в частности, воспалительные пути, для репликации. Также известно, что последствия Covid-19 намного хуже у пожилых людей, чем у молодых. Кроме того, дыхательная система стареющих людей характеризуется изменениями в жесткости тканей. Учитывая эти факты, исследователи искали гены, измененные как старением, так и Covid-19, с целью найти препараты, которые взаимодействуют положительно с этими генами.

Команда исследователей использовала трехэтапный процесс, чтобы найти гены, общие для обоих путей. На первом этапе исследования команда использовала автоэнкодер для генерации списка кандидатов на препарат. Это было сделано путем анализа автоэнкодером двух наборов данных паттернов экспрессии генов, выбора препаратов, которые, казалось, снижают общее воздействие вируса. В результате получился список кандидатов на препарат и их взаимодействия с белками в путях старения и инфекции. После этого исследователи взяли список кандидатов на препарат и сопоставили взаимодействия между белками и двумя различными путями, получив карту взаимодействия белков для обоих. Исследователи затем сравнили две карты взаимодействия белков, чтобы найти области перекрытия. Это привело к открытию сети экспрессии генов, на которую должны влиять препараты, чтобы снизить тяжесть Covid-19 у пожилых пациентов.

На последнем этапе исследовательского проекта команда использовала статистические методы для определения причинно-следственных связей в сопоставленных сетях. Используя этот метод, они смогли определить точные гены, с которыми должен взаимодействовать кандидат на препарат, чтобы наиболее эффективно снизить тяжесть инфекции Covid-19.

Согласно результатам их анализа, ген RIPK1 был частью генома, которая, как полагали, наиболее подходит для нацеливания терапевтическими препаратами против Covid-19. Некоторые из кандидатов на препарат используются для лечения рака. Другие кандидаты на препарат уже тестируются медицинскими институтами для лечения Covid-19.

Команда исследователей отмечает, что это только первый шаг в определении того, какие препараты можно повторно использовать для лечения Covid-19. Необходимы обширные эксперименты in vitro и клинические испытания, чтобы определить, действительно ли препараты эффективны. Однако, если этот подход окажется успешным, его можно будет использовать для поиска эффективных препаратов для других заболеваний.

Как пишет команда исследователей:

“Хотя мы применяем нашу вычислительную платформу в контексте SARS-CoV-2, наши алгоритмы интегрируют модальности данных, доступные для многих заболеваний, что делает их широко применимыми.”