AI Araştırmacıları Covid-19 ile Mücadele için Mevcut İlaçları Yeniden Kullanma Yöntemi Geliştirdi

Uluslararası bir araştırma ekibi AI modellerini yaşlı hastalarda Covid-19’u tedavi edebilecek mevcut ilaçları bulmak için uyguladı. Araştırma ekibi otoencoder modellerini piyasada olan ilaçlara uyguladı ve doğal yaşlanma ve Covid-19’un neden olduğu gen ifade değişikliklerinde ortaklıkları bulmaya çalıştı.

Araştırma ekibinin ortak yazarı ve MIT’de hesaplamalı biyolog olan Caroline Uhler, Covid-19 ile mücadele için yeni ilaçlar geliştirme sorununu açıkladı. Yeni ilaçların geliştirilmesi yıllarca sürebilir. AI zaten yeni ilaçları keşfetmek için kullanıldı ve geleneksel ilaç keşif yöntemlerine göre çok daha hızlı bir şekilde terapötik ilaçların yeni formlarını buldu. Ne yazık ki, AI kullanılarak ilaçların keşfedilmesinin göreli olarak hızlı hızı, Covid-19 salgını gibi durumlarda hala çok yavaş.

Yaşlı nüfuslarda Covid-19’un etkilerini savaşabilecek bir ilacı bulmak için araştırmacılar, hem normal yaşlanma hem de Covid-19 virüsünün etkilediği genlere baktı.

Covid-19’un belirli hücre yollarını, özellikle de inflamatuar yolları, replikasyon için kullandığı varsayılmaktadır. Ayrıca, Covid-19’un yaşlı nüfuslarda genç nüfusa göre çok daha kötü etkileri olduğu bilinmektedir. Ayrıca, yaşlı bireylerin solunum sistemleri doku sertliği değişiklikleriyle karakterizedir. Bu gerçeklere dayanarak, araştırmacılar, bu genlerle olumlu şekilde etkileşime giren ilaçları bulmayı hedefleyerek, hem yaşlanma hem de Covid-19 tarafından değiştirilen genleri aradı.

Araştırmacılar, ortak genleri bulmak için üç adımlı bir süreç kullandı. Araştırmanın ilk aşamasında, ekip, iki gen ifade desenleri veri setini analiz ederek aday ilaçları üreten bir otoencoder kullandı. Bu, otoencoderin, virüsün genel etkisini azalttığı görünen ilaçları seçmesiyle yapıldı. Sonuç, aday ilaçlar ve yaşlılık ve enfeksiyon yollarındaki proteinlerle etkileşimlerinin bir listesi oldu. Ardından, araştırmacılar, aday ilaçların listesini aldı ve proteinlerin iki farklı yol arasındaki etkileşimlerini haritalandı, her iki yol için de protein etkileşimi haritası üreterek. Araştırmacılar, daha sonra iki protein etkileşimi haritasını karşılaştırdı ve örtüşme alanlarını buldu. Bu, yaşlı hastalarda Covid-19’un şiddeti azaltmak için hedeflenmesi gereken bir gen ifade ağı keşfine yol açtı.

Araştırma projesinin son aşamasında, ekip, haritalanmış ağlardaki nedenselliği belirlemek için istatistiksel yöntemler uyguladı. Bu yöntemi kullanarak, bir ilacın Covid-19 enfeksiyonunun şiddeti azaltmak için en etkili şekilde hangi genlerle etkileşime girmesi gerektiğini belirleyebildiler.

Analizlerinin sonuçlarına göre, Covid-19 terapi ilaçları tarafından hedeflenmesi gereken genomun en uygun parçası RIPK1 geniydi. Aday ilaçların bazıları kanser tedavisi için kullanılmaktadır. Diğer aday ilaçlar zaten Covid-19’u tedavi etmek için tıbbi enstitüler tarafından test edilmektedir.

Araştırma ekibi, bu çalışmanın Covid-19 tedavisi için hangi ilaçların yeniden kullanılabileceğini belirlemenin sadece ilk adımı olduğunu belirtti. İlaçların gerçekten etkili olup olmadığını belirlemek için kapsamlı in vitro deneyleri ve klinik çalışmalar yapılması gerekecektir. Ancak, bu yaklaşım başarılı olursa, diğer durumlar için etkili ilaçlar bulmak için de kullanılabilir.

Araştırmacı ekibin yazdığına göre:

“SARS-CoV-2 bağlamında hesaplamalı platformumuzu uyguluyoruz, ancak algoritmalarımız, birçok hastalık için mevcut olan veri modellerini entegre ediyor, böylece bunları geniş olarak uygulanabilir hale getiriyor.”