Koronawirus. Sztuczna inteligencja pomaga naukowcom znaleźć lek na COVID-19

Sztuczna inteligencja coraz śmielej wkracza do medycyny. Zaczyna się wykorzystywać ją m.in. do poszukiwań nowych leków, co może pomóc w walce z obecną epidemią koronawirusa. Przykładem jest dokonanie zespołu z University of California w Riverside, opisane na łamach pisma "Heliyon".

"Mamy do czynienia z pilną potrzebą znalezienia skutecznych środków, które będą leczyć lub zapobiegać COVID-19. Opracowaliśmy system przetwarzania potokowego przeznaczony do odkrywania leków, który znalazł szereg potencjalnych substancji" - mówi kierujący pracami prof. Anandasankar Ray.

System ten opiera się na sztucznej inteligencji, która uczy się przewidywać działanie różnych związków. "Potokowe systemy analizujące leki, takie jak nasz, są niezwykle ważne jako pierwszy krok w systematycznych poszukiwaniach" - dodaje ekspert.

Naukowcy tłumaczą, że priorytet ma dziś zastosowanie przeciw COVID-19 leków zatwierdzonych już przez FDA, a stosowanych w innych chorobach. Istnieje jednak również duże zapotrzebowanie na nowe leki hamujące wnikanie wirusa do komórek i jego namnażanie. W obu przypadkach może pomóc zastosowana przez badaczy nowa metoda - algorytm, który poszukuje substancji oddziałujących na niektóre z 65 ludzkich białek, mających znaczenie w interakcjach organizmu z wirusem. Algorytmy robią to poprzez analizę trójwymiarowej struktury badanych związków.

"Tych 65 białek jest raczej różnorodnych i mają one znaczenie także w przypadku wielu innych chorób, w tym nowotworów. Oprócz ponownego wykorzystania istniejących już leków oddziałujących na te białka chcieliśmy znaleźć też nowe substancje, które obecnie nie są dobrze przebadane" - podkreśla twórca systemu Joel Kowalewski.

Z pomocą nowej metody naukowcy przeanalizowali ponad 10 mln dostępnych na rynku cząsteczek chemicznych, opisanych w bazie zawierającej 200 mln substancji. W ten sposób znaleźli najlepiej oddziałujące z 65 białkami ważnymi dla rozwoju infekcji.

Zbadali też 100 tys. substancji spośród już zatwierdzonych przez FDA (jako leki lub dodatki do pożywienia). Za pomocą komputerowych modeli przeanalizowali też wstępnie potencjalną toksyczność sprawdzanych cząsteczek, dzięki czemu odrzucili związki szkodliwe.

Ostatecznie wskazali najbardziej obiecujące substancje, z których część oddziaływała jednocześnie nawet z dwoma lub więcej białkami, ważnymi w razie infekcji SARS-CoV-2.

"Związki, które najbardziej mnie ekscytują, mają lotną postać, co oznacza możliwość opracowania leków wziewnych" - podkreśla prof. Ray.

Naukowcy zwracają uwagę na to, że ich metoda jest dużo tańsza i szybsza niż typowe badania biologiczne na komórkach. "Nasza baza danych może pozwolić na szybką identyfikację i testowanie nowych, bezpiecznych strategii leczenia COVID-19 i innych chorób, dla których istotne jest te 65 białek. Choć zmotywowała nas pandemia COVID-19, to oczekujemy, że nasze przewidywania dotyczące 10 milionów cząsteczek przyspieszą poszukiwania leków przeciwko także innym chorobom" - mówi Kowalewski.

"W perspektywie historycznej leczenie chorób z czasem stawało się coraz bardziej złożone, w miarę jak coraz lepiej rozumieliśmy choroby i genetyczne predyspozycje przyczyniające się do ich rozwoju oraz nasilenia objawów. Podejście wykorzystujące uczenie maszynowe może odegrać dużą rolę w przewidywaniu terapeutycznych możliwości, przez dostarczenie naukowcom dodatkowych opcji do dalszego badania. Podczas gdy podejście to mocno opiera się na danych eksperymentalnych, wirtualny skrining może pomóc badaczom w zadawaniu nowych pytań i odkrywaniu nowych informacji" - dodaje badacz.

Teraz naukowcy starają się o fundusze i poszukują współpracowników do prowadzenia dalszych badań odkrytych na komórkach, zwierzętach i ostatecznie na ludziach.

Źródło: PAP