Badacze z UW zbadali związki chemiczne, które mogą osłabić COVID-19. Pomogła im sztuczna inteligencja
Grupa badaczy z Uniwersytetu Warszawskiego dokonała analizy 15 milionów związków chemicznych, mogących wpłynąć na zmniejszenie aktywności białka, które odpowiada za obniżanie odporności organizmu podczas zachorowania na COVID-19. Naukowcom finalnie udało się zmniejszyć pulę do 400 związków, przy czym nad częścią z nich trwają już testy w laboratorium.
Efekty swoich badań naukowcy z Uniwersytetu Warszawskiego opublikowali w recenzowanym czasopiśmie naukowym "International Journal of Molecular Sciences".
Białko PLpro, z którym pracowali badacze z UW, znane jest nauce już od 2003 roku, kiedy wybuchła epidemia SARS. Jest ono odpowiedzialne za zmniejszenie odporności organizmu po zakażeniu koronawirusem, a także sprzyja jego replikacji. Istnieje zatem pewne prawdopodobieństwo, że za pośrednictwem odpowiednich związków chemicznych można osłabić działanie tego konkretnego białka, dzięki czemu jest szansa na znalezienie leku na COVID-19.
W badaniach nad lekiem na COVID-19 kluczowa jest dokładność
Jak twierdzi pierwszy autor artykułu naukowców z UW, doktorant z Interdyscyplinarnego Laboratorium Modelowania Układów Biologicznych CeNT UW i Zakładu Chemii Leków Warszawskiego Uniwersytetu Medycznego Adam Stasiulewicz, dotychczasowe poszukiwania leku na COVID-19 przez różnych badaczy kończyły się fiaskiem, z uwagi na brak dokładności w badaniach.
- Różne grupy naukowe szukały już związków, które działałyby jak leki na SARS-CoV-2. Do tej pory wyniki nie były satysfakcjonujące, dlatego wciąż szukaliśmy lepszych rozwiązań. Mieliśmy częściową wiedzę na podstawie wirusa SARS-CoV-1, który jest bardzo podobny. Nasze podejście różniło się dokładnością. Samodzielnie sprawdziliśmy też, czy wyselekcjonowane związki nie są potencjalnie toksyczne dla ludzkiego organizmu - powiedział Stasiulewicz.
ZOBACZ: Powstanie film o Jarosławie Kaczyńskim. Małgorzata Kidawa-Błońska uderza w TVP
W pracy badaczom pomagała sztuczna inteligencja
Badacze z Uniwersytetu Warszawskiego pracowali, wykorzystując metodę opartą o "machine learning", tj. sztuczną inteligencję, która na podstawie specjalnego algorytmu automatycznie poprawia swoje rezultaty poprzez nabywane doświadczenie.
- Wiedza fizyczna, biologiczna, chemiczna i farmakologiczna pozwoliła nam uchwycić wydaje się unikalne oddziaływania, które mogą być kluczowe w celu zaprojektowania cząsteczki, pełniącej funkcję inhibitora. Robiliśmy to masowo, ale jednocześnie bardzo dokładnie. Patrzyliśmy, który klocek może pasować do innego klocka - tłumaczy prof. Joanna Sułkowska, kierująca Interdyscyplinarnym Laboratorium Modelowania Układów Biologicznych w CeNT UW, współautorka artykułu.
Kluczowe decyzje podejmował człowiek
Jak podkreśla ekspertka, finalnie to badacze indywidualnie podejmowali kluczowe decyzje o selekcji. - Praca przebiegała wieloetapowo. Zaczęliśmy od 15 milionów związków, które analizowaliśmy za pomocą zaawansowanych narzędzi bioinformatycznych, jednak na każdym etapie to człowiek musiał podjąć decyzję, w którym kierunku i jak ma przebiegać kolejna iteracja. W ten sposób wyselekcjonowaliśmy 1000 związków, a na końcu pulę zawęziliśmy do 400 - dodała prof. Sułkowska.
Aktualnie rezultaty badań naukowców z Uniwersytetu Warszawskiego testowane są laboratoryjnie. - Teraz wyniki naszych badań sprawdzamy doświadczalnie wraz z zespołem prof. Marcina Drąga z Politechniki Wrocławskiej, na podstawie grantu z European Molecular Biology (EMBO) na zakup kilku cząsteczek – mówi prof. Sułkowska.
Źródło: PAP