Машинное обучение в поиске вариантов терапии COVID-19 у пожилых пациентов

Исследователи разрабатывают систему выявления лекарств, которые могут быть переквалифицированы для борьбы с коронавирусной инфекцией у пожилых пациентов.

Когда в начале 2020 г. разразилась пандемия COVID-19, врачи и учёные начали искать эффективное лечение. Времени было мало.

— Создание новых лекарств занимает целую вечность. Действительно, единственный целесообразный вариант — это перепрофилирование существующих лекарств,

говорит Кэролайн Улер (Caroline Uhler), биологиня, ведущая авторка исследования.

Команда Улер разработала основанный на машинном обучении подход для выявления уже имеющихся на рынке лекарств, которые потенциально могут быть перепрофилированы для борьбы c COVID-19, конкретно у пожилых пациентов. Система учитывает изменения в экспрессии генов в клетках лёгких, вызванные как болезнью, так и старением. Такое сочетание может позволить медицинским специалистам быстрее находить лекарства, подходящие для клинического тестирования на пожилых пациентах, часто переносящих инфекцию тяжелее. Исследователи выделили белок RIPK1 в качестве перспективной мишени для препаратов от COVID-19, а также три одобренных препарата, воздействующих на экспрессию RIPK1.

Исследование опубликовано в журнале Nature Communications.

В начале пандемии стало ясно, что COVID-19 обычно наносит больным старшего возраста больший вред. Команда Улер задалась вопросом, почему. Преобладающая гипотеза — старение иммунной системы.

Но учёные выделили ещё один фактор: одно из главных изменений в лёгких, происходящих в результате старения, — это то, что лёгкие становятся более жёсткими. Жёсткая лёгочная ткань экспрессирует гены иначе, чем ткань молодых людей, даже в ответ на один и тот же сигнал.

— Ранее работа лаборатории показала, что если стимулировать клетки на более жёсткой ткани цитокинами, имитируя вирус, то в ней экспрессируются другие гены. Это мотивировало нашу гипотезу. Нам нужно посмотреть на старение вместе с Sars-Cov-2 — каковы гены на пересечении этих двух факторов,

объясняет Улер.

Чтобы выбрать одобренные препараты, которые могут действовать при таких условиях, команда обратилась к базам данных и технологиям искусственного интеллекта.

Исследователи составили большой список возможных препаратов, используя технику машинного обучения, называемую автоассоциатором (автокодировщиком). Машинное обучение опиралось на два ключевых набора данных о закономерностях экспрессии генов. Один набор показал, как экспрессия в различных типах клеток реагирует на ряд препаратов, уже представленных на рынке, а другой — как экспрессия реагирует на инфекцию Sars-Cov-2. Автоассоциатор сравнил эти наборы данных, чтобы выделить препараты, влияние которых на экспрессию генов, по-видимому, способствует противодействию организма вирусу Sars-Cov-2.

Далее исследователи сузили список потенциальных препаратов, выделив определённые генетические пути, картировав группу белков, задействованных как в старении, так и в пути инфицирования Sars-Cov-2. Так учёные обнаружили точную сеть экспрессии генов, на которую должен быть нацелен препарат для борьбы с COVID-19 у пациентов пожилого возраста.

Команда выделила белок RIPK1 в качестве потенциальной мишени для терапии и создала список одобренных препаратов, которые действуют на RIPK1 и могут иметь потенциал для лечения COVID-19. Ранее эти лекарства были одобрены для терапии онкологических заболеваний. Другие идентифицированные в ходе исследования вещества, включая рибавирин и хинаприл, уже проходят клинические испытания, в ходе которых проверяется их способность противостоять COVID-19.

Улер планирует поделиться результатами работы команды с фармацевтическими компаниями. Она подчёркивает, что прежде чем какое-либо из лекарств могут быть одобрены для использования у пожилых пациентов с COVID-19, необходимы клинические испытания для определения их эффективности и безопасности.

Это конкретное исследование было сосредоточено на COVID-19, но учёные говорят, что их система может применяться и для других болезней.

XX2 век :