Специалисты из Кливлендской клиники (Cleveland Clinic) разработали методику сетевого анализа интерактома (сети взаимодействия белков и других молекул в клетке), которая позволяет определить комбинации имеющихся медицинских препаратов, интересные с точки зрения воздействия на новый коронавирус. Статья исследователей из нескольких подразделений Кливлендской клиники опубликована в открытом доступе 16 марта в Nature Cell Discovery вместе с 80 страницами дополнительных материалов.
Перепрофилирование лекарств (drug repurposing) — это использование известных медикаментов для лечения заболеваний, для которых они изначально не предназначались. Здесь нужно различать собственно перепрофилирование и «перепозиционирование». Перепозиционирование (repositioning) — это нахождение новых терапевтических указаний для лекарств, разработка которых прекращена или которые не получили одобрения в области своего изначального применения. Напротив, перепрофилирование (repurposing) — это изменение назначения лекарств, уже одобренных для лечения какого-либо заболевания, или действенность которых уже была подтверждена на клинических испытаниях фазы I. Это использование для лечения заболеваний, отличных от сферы их изначального предполагаемого применения. Пример — лекарственный препарат, лучше всего известный под названием «Виагра». Вряд ли большое число неспециалистов помнит, что этот препарат назывался силденафил и разрабатывался для оптимизации сердечного кровотока.
Раньше успешные случаи репозиционирования/репрофилирования считались делом удачи, примерно как «случайные» научные открытия из-за оставленной лаборантом «не там» пробирки. Однако с течением времени индустрию адаптации медикаментов постарались поставить на поток, особенно с развитием компьютерной техники.
Компьютерный анализ позволяет обрабатывать «сети взаимодействий» (интерактомы), описывающие взаимодействие различных молекул, в частности белков, внутри клетки. Математически такие структуры моделируются графами различных видов (сети, состоящие из множества вершин и соединяющих их линий). Количество элементов таких графов для клеток может достигать десятков тысяч, поэтому «ручной» их анализ — за пределами наших возможностей. Аналогично моделируются необходимые для анализа подмножества сетей взаимодействия: сеть «лекарство — мишень» (drug — target network) и сеть «вирус — хозяин» (HCoV — host network). Основа предлагаемой методологии — изучение «степени близости» белков-мишеней того или иного лекарства к соответствующей подсети интерактома, связанной с белком вируса (то есть того фрагмента сети взаимодействий, белками которого притворяется вирус, подсовывая клетке для размножения «чертёж» своего белка вместо хозяйского). То есть: если белки-мишени известных лекарств «близки» тем белкам, которые атакует вирус — на такие лекарства имеет смысл обратить внимание для дальнейшего исследования, выделив их из тысяч препаратов. А «близость» в сетевых моделях уже можно понимать в математическом смысле — как меру расстояния по графу.
Таким образом было рассмотрено около 2000 препаратов, утверждённых FDA (Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США), из которых первичный анализ сетевой близости (proximity analysis) позволил отобрать 135 кандидатур для изучения их перепрофилирования для работы с новым коронавирусом. После этого при помощи анализа обогащения набора генов (GSEA) из них выделили 16 медикаментов, предположительно пригодных для перепрофилирования, в частности, мелатонин, меркаптопурин, сиролимус (рапамицин). Отбор также опирался на экспертную оценку на основе данных литературы по их противовирусной активности.
Авторы пошли дальше и рассмотрели также задачу поиска комбинаций лекарств, которые имели бы синергетический эффект. В рамках «сетевого» подхода удалось предложить её формализованное решение, но пока только для комбинаций из двух медикаментов: сочетания большего количества препаратов лавинообразно увеличивают комбинаторную сложность системы (количество всевозможных комбинаций с учётом разных дозировок и т. п.). В результате были найдены три сочетания двух лекарств, обладающих свойством «дополняющего воздействия» (complementary exposure): мишени обоих препаратов попадают в «сферу действия» вируса, то есть в подсеть «вирус — хозяин», однако не перекрываются между собой в пространстве интерактомы человека. Этот принцип уже был опробован в предыдущих работах. Опыт терапии других болезней и вирусных инфекций подсказывает, что для формализации этой задачи оптимальна именно такая стратегия поиска.
Естественное ограничение такого и похожих формализованных подходов состоит в том, что нам пока неизвестны все характеристики нового вируса, в частности, набор белков в клетке, на которые он воздействует. То есть с математической точки зрения нам неизвестна точная структура подсети «вирус — хозяин». Здесь можно пока что опираться на схожесть нового вируса с изученным семейством коронавирусов. Так, филогенетический анализ показывает, что новый вирус с обозначением 2019-nCoV, или SARS-Cov-2, имеет различную степень сходства с хорошо изученными по результатам последних пандемий предшественниками. Наиболее близок он к вирусу SARS-CoV, вызвавшему эпидемию атипичной пневмонии 2002 г. Поэтому «дорожные карты», то есть графы этих вирусов, можно использовать для первичной ориентировки.
Активность большей части выделенных при помощи сетевого анализа препаратов оказалась подтверждённой в литературе на разных клонах коронавирусов, что добавляет уверенности в действенности самой методики. Авторы надеются, что исследование ляжет в основу методологии для быстрой идентификации лекарственных препаратов и их сочетаний, которые можно перепрофилировать для воздействия на вирус 2019-nCoV.
