AI-forskare utvecklar metod för att återanvända befintliga läkemedel för att bekämpa Covid-19

En internationell forskargrupp har tillämpat AI-modeller för att hitta redan existerande läkemedel som kan behandla Covid-19 hos äldre patienter. Forskargruppen tillämpade autoencoder-modeller på läkemedel som redan finns på marknaden, i syfte att hitta gemensamheter i förändringar av genuttryck orsakade av både naturlig åldrande och Covid-19.

Som studiens medförfattare, beräkningsbiologen vid MIT, Caroline Uhler, förklarar, är problemet med att utveckla nya läkemedel för att bekämpa Covid-19 att läkemedelsutvecklingsprocessen kan ta år. AI har redan använts för att upptäcka nya läkemedel, och har funnit nya formuleringar för terapeutiska läkemedel mycket snabbare än traditionella läkemedelsupptäcktsmetoder. Tyvärr är även den relativt snabba hastighet med vilken läkemedel kan upptäckas med hjälp av AI fortfarande alldeles för långsam när det gäller situationer som Covid-19-pandemin. Det är mycket mer effektivt att återanvända befintliga läkemedel.

För att hitta ett läkemedel som kan bekämpa effekterna av Covid-19 hos äldre befolkningar, undersökte forskarna gener som genomgick förändringar under både normalt åldrande och när de påverkades av Covid-19-viruset.

Covid-19 antas använda vissa cellvägar, särskilt inflammatoriska vägar, för att replikera. Det är också känt att effekterna av Covid-19 är mycket värre hos äldre befolkningar än yngre befolkningar. Dessutom kännetecknas andningsorganen hos åldrande individer av förändringar i vävnadsstelhet. Med tanke på dessa fakta, letade forskarna efter gener som förändrades av både åldrande och Covid-19, med målet att hitta läkemedel som interagerar positivt med dessa gener.

Forskargruppen använde en tre-stegsprocess för att hitta gener som är gemensamma för båda vägarna. I den första fasen av forskningen, använde teamet en autoencoder för att generera en lista med kandidatläkemedel. Detta gjordes genom att autoencodern analyserade två datamängder av genuttrycksmönster, och valde ut läkemedlen som tycktes minska virusets totala påverkan. Resultatet var en lista med kandidatläkemedel och deras åtföljande interaktioner med proteiner i både åldrande- och infektionsvägar. Därefter tog forskarna listan med kandidatläkemedel och kartlade interaktionerna mellan proteiner och de två olika vägarna, vilket resulterade i en karta över proteininteraktioner för båda. Forskarna jämförde sedan de två proteininteraktionskartorna för att hitta områden med överlappning. Detta ledde till upptäckten av ett genuttrycks­nätverk som läkemedel bör mål­rikta för att minska allvarlighetsgraden av Covid-19 hos äldre patienter.

I den sista fasen av forskningsprojektet, använde teamet statistiska metoder för att fastställa orsakssamband inom de kartlagda nätverken. Med hjälp av denna metod, kunde de fastställa de exakta gener som ett läkemedelskandidat bör interagera med för att på bästa sätt minska allvarlighetsgraden av en Covid-19-infektion.

Enligt resultaten av deras analys, var RIPK1-genen den del av genomet som ansågs vara mest lämplig för målriktning av Covid-19-terapiläkemedel. Några av de kandidatläkemedlen används för att behandla cancer. Andra kandidatläkemedel testas redan av medicinska institut för att behandla Covid-19.

Forskargruppen påpekar att detta bara är det första steget i att fastställa vilka läkemedel som kan återanvändas för behandling av Covid-19. Omfattande in vitro-experiment och kliniska prövningar måste genomföras för att fastställa om läkemedlen verkligen är effektiva. Men om tillvägagångssättet visar sig vara framgångsrikt, kan det användas för att hitta effektiva läkemedel för andra tillstånd.

Som forskargruppen skriver:

“Medan vi tillämpar vår beräkningsplattform i sammanhanget med SARS-CoV-2, integrerar våra algoritmer data modaliteter som finns tillgängliga för många sjukdomar, vilket gör dem allmänt tillämpliga.”