Программная система, которая способна находить новые варианты лечения КОВИД-19
Когда в начале 2020 года разразилась пандемия КОВИД-19, врачи и исследователи начали искать эффективное лечение, а поскольку разработка новых лекарств требует времени, они попробовали найти другой выход. В краткосрочной перспективе наиболее целесообразным вариантом было перепрофилирование существующих препаратов.
В настоящее время команда Массачусетского технологического института разработала основанный на алгоритмах машинного обучения подход к выявлению уже имеющихся на рынке лекарственных препаратов, которые потенциально могут быть перепрофилированы для борьбы с КОВИД-19, особенно среди пожилых людей.
Эта система учитывает изменения в экспрессии генов в клетках легких, вызванные как болезнью, так и старением. Такое сочетание может позволить медицинским специалистам быстрее искать лекарства для клинического тестирования на пожилых пациентах, которые, как правило, испытывают более тяжелые симптомы.
Исследователи выделили белок RIPK1 в качестве перспективной мишени для коронавирусных препаратов и уже определили три существующих препарата, которые действуют на экспрессию RIPK1. Полученные результаты были опубликованы в журнале Nature Communications.
В начале пандемии стало ясно, что КОВИД-19 в среднем наносит больным старшего возраста больший вред, чем молодым. Преобладала гипотеза, что это связано со старением иммунной системы, но, скорее всего, есть дополнительный фактор, например, легкие становятся жестче с возрастом.
Это связано с различными закономерностями экспрессии генов, которые у стариков иные, чем у молодых людей, даже в ответ на один и тот же сигнал. По существу, это означает, что одно и то же лечение может "включить" различные гены у людей разного возраста. Это, в свою очередь, заставило ученых исследовать препараты, которые действуют на гены, связанные как с КОВИД-19, так и старением.
Во-первых, они составили большой список возможных лекарств, используя метод машинного обучения, называемый автокодировщиком. Затем они картировали сеть генов и белков, участвующих как в старении, так и в коронавирусной инфекции.
Наконец, они использовали статистические алгоритмы для понимания причинно-следственной связи в этой сети, что позволило им точно определить "восходящие" гены, которые вызывали каскадные эффекты по всей сети.
Для составления первоначального списка потенциальных препаратов автокодировщик команды опирался на два ключевых набора данных о закономерностях экспрессии генов. Один набор данных показал, как экспрессия в различных типах клеток реагирует на ряд препаратов, уже имеющихся на рынке, а другой показал, как экспрессия реагирует на заражение вирусом. Автокодировщик просматривал наборы данных, чтобы выделить лекарства, чье воздействие на экспрессию генов, по-видимому, противодействует эффекту коронавируса.
Далее исследователи сузили список потенциальных лекарств, анализируя ключевые генетические пути. Они картировали взаимодействия белков, участвующих в старении, и пути инфицирования SARS-CoV-2. Затем они определили области перекрытия между двумя картами. Это позволило выявить точную сеть экспрессии генов, на которую должно быть направлено то или иное лекарство для борьбы с КОВИД-19 у пациентов пожилого возраста.
Ученые подчеркивают, что, прежде чем какое-либо из лекарств, которое они определили, может быть одобрено для использования у пожилых пациентов с КОВИД-19, необходимо клиническое тестирование для определения эффективности.
