בינה מלאכותית מחפשת תרופות למגיפה

בינה מלאכותית מחפשת תרופות למגיפה

מדענים פיתחו מערכת חדשה המבוססת על למידת מכונה. המשימה שלה לזהות תרופות שניתן להשתמש בהן כדי להילחם בנגיף העטרה בקרב חולים קשישים - כך מדווח Nature Communications.

למידת מכונה היא תחום של בינה מלאכותית הנוגעת לאלגוריתמים שמשתפרים אוטומטית באמצעות חוויה הם לומדים. אלגוריתמים של למידת מכונה בונים מודל מתמטי מנתוני מדגם, הנקראים מערך אימונים, על מנת לחזות או לקבל החלטות ללא צורך בתכנות של מטרה מסוימת על ידי אדם.

לוקח הרבה שנים לפתח תרופה חדשה, ולכן הרבה יותר קל להשתמש בתרופות קיימות בדרכים חדשות. פרוץ מגיפת ה- COVID-19 גרם לרופאים ומדענים להשתמש בשיטות יעילות יותר לחיפוש יישומים חדשים של תרופות קיימות.

צוותה של קרוליין אוהלר מהמכון הטכנולוגי של מסצ'וסטס (MIT) פיתח שיטה מבוססת למידת מכונה לזיהוי תרופות שכבר קיימות בשוק, שעלולות לשמש להילחם ב- COVID-19, במיוחד אצל קשישים. המערכת מתחשבת בשינויים בביטוי גנים בתאי ריאה הנגרמים הן ממחלות והן מהזדקנות. שילוב כזה יכול לאפשר גילוי תרופות מהיר יותר בשלב הניסוי הקליני בחולים מבוגרים הנוטים לסבול מ- COVID-19 חמור יותר.

החלבון RIPK1 התגלה כיעד מבטיח לתרופות כנגד COVID-19. זוהו שלוש תרופות מאושרות הפועלות על ביטוי RIPK1.

בתחילת המגפה התברר כי COVID-19 פוגע בחולים מבוגרים, בממוצע, יותר מאשר בחולים צעירים יותר. צוות אוהלר תהה מדוע. ההשערה הדומיננטית הייתה הזדקנות מערכת החיסון. עם זאת, Uhler ו- G.V. Shivashankar של האוניברסיטה הפדרלית לטכנולוגיה (ETH) בציריך הציע גורם נוסף: אחד השינויים העיקריים בריאות שמתרחשים עם ההזדקנות הוא נוקשות מוגברת.

רקמת ריאה נוקשה מראה דפוסים שונים של ביטוי גנים מאשר בריאות יותר גמישות של אנשים צעירים, אפילו בתגובה לאותו אות. "עבודה מוקדמת יותר של המעבדה של שיוואשנקר הראתה שאם אתה מעורר ציטוקינים מגרים תאים במדיום נוקשה יותר, כמו שנגיף עושה, הם למעשה מפעילים גנים אחרים", הסביר אולר. "עלינו לשקול הזדקנות יחד עם SARS-CoV-2 - מהם הגנים בצומת שני המסלולים הללו?"

לבחירת תרופות מאושרות שיכולות לעבוד במסלולים אלה, הצוות פנה לביג דאטה ובינה מלאכותית.

החוקרים התמקדו בתרופות המבטיחות ביותר. ראשית, הם יצרו רשימה גדולה של תרופות אפשריות באמצעות טכניקת למידת מכונה הנקראת קוד קידוד אוטומטי. לאחר מכן הם מיפו רשת של גנים וחלבונים המעורבים בהזדקנות ובזיהום SARS-CoV-2. לבסוף, הם השתמשו באלגוריתמים סטטיסטיים כדי להבין סיבתיות ברשת זו, שאפשרה לך לאתר את הגנים במעלה הזרם שגרמו להשפעות מדורגות ברחבי הרשת. באופן כללי, תרופות המכוונות לגנים אלה ולחלבונים במעלה הזרם צריכות להיות מועמדות מבטיחות לניסויים קליניים.

כדי ליצור רשימה ראשונית של תרופות פוטנציאליות, קידוד אוטומטי של הצוות הסתמך על שני מערכי נתונים מרכזיים על דפוסי ביטוי גנים. מערך נתונים אחד הראה כיצד ביטוי בסוגי תאים שונים הגיב למגוון תרופות שכבר היו בשוק, והשני הראה כיצד הביטוי הגיב לזיהום SARS-CoV-2. המקודד האוטומטי בדק את מערכי הנתונים כדי לזהות תרופות שהשפעתן על ביטוי גנים נוגדת את השפעות ה- SARS-CoV-2. "יישום זה של קידוד אוטומטי היה מאתגר ודרש מידע מהותי על הפעלת רשתות עצביות אלה," ציין רדהקרישנן.

החוקרים צמצמו את רשימת התרופות הפוטנציאליות באמצעות מסלולים גנטיים מרכזיים. הם מיפו את האינטראקציות של חלבונים המעורבים בתהליך ההזדקנות וזיהום SARS-CoV-2. לאחר מכן הם זיהו אזורי חפיפה בשתי המפות. מאמץ זה זיהה את רשת הביטוי המדויקת של הגן שהתרופה תצטרך למקד להילחם בקוביד 19 בקרב חולים קשישים.

"בשלב זה הייתה לנו רשת לא מונחית", אומר Belyaeva, כלומר מדענים טרם זיהו אילו גנים וחלבונים פעלו "למעלה" (כלומר, השפיעו באופן מדורג על הביטוי של גנים אחרים) ואילו "down" (זהו, כלומר, הביטוי שלהם משתנה על ידי שינויים קודמים ברשת). מועמד אידיאלי לתרופות יתמקד בגנים בקצה העליון של הרשת כדי למזער את השפעות הזיהום.

"אנו רוצים לזהות תרופה שתשפיע על כל הגנים הללו עם ביטוי שונה למטה", אומר בליייב. לכן הצוות השתמש באלגוריתמים המסקנים סיבתיות במערכות שיתופיות כדי להפוך את הרשת הלא כיוונית שלהם לרשת סיבתית. רשת זיהתה את RIPK1 כגן / חלבון יעד לתרופות נוגדות תרופות

על קוביד 19. מדענים זיהו רשימה של תרופות מאושרות שעובדות על RIPK1 ועשויות להיות בעלות פוטנציאל לטיפול ב- Covid-19. בעבר אושרו תרופות אלו לטיפול בסרטן. תרופות אחרות שזוהו גם כן, כולל ריבאווירין וקווינאפריל, עוברות כבר ניסויים קליניים ב- Covid-19.

אוהלר מתכנן לחלוק את ממצאי הצוות עם חברות התרופות. הוא מדגיש כי יש צורך בניסויים קליניים כדי לקבוע יעילות לפני שניתן לאשר כל אחת מהתרופות שזוהו על ידי הצוות לשימוש בחולים קשישים עם קוביד -19. בעוד שמחקר מסוים זה התמקד ב- Covid-19, החוקרים אומרים שהמסגרת שלהם ניתנת להרחבה. רדהקרישנן מדגיש את החשיבות של איסוף מידע על ההשפעות של מחלות שונות על ביטוי גנים. "ככל שיש לנו יותר נתונים במרחב הזה, כך הם יכולים לעבוד טוב יותר," אמר. (רֶסֶק)

מחבר: פאוול ורניקי