Covid-19の存在する脅威は、新たな健康問題に対する実用的な治療法を開発する緊急の必要性を浮き彫りにしました。 ディープラーニングによってもたらされた贅沢のXNUMXつは、ウイルスの脅威に対応し、適切なデータにアクセスできる限り、展開する風景を変更できることです。 

すべての新しい医療疾患と同様に、多くの場合、データは追いつくのに時間がかかり、ウイルスは減速するのに時間がかからず、すぐに変異して既存の薬剤に耐性を持つようになる可能性があるため、困難な課題を提起します。 これにより、MITのコンピューター科学人工知能研究所（CSAIL）と健康の機械学習のためのジャミールクリニックの科学者は、次のように尋ねました。急速に広がるSARS-CoV-2に適した相乗的な薬剤の組み合わせをどのように特定できるでしょうか。 

通常、データサイエンティストはディープラーニングを使用して、癌や心血管疾患などの既存の大規模なデータセットとの薬剤の組み合わせを選択しますが、当然のことながら、データが限られている新しい病気には使用できません。

必要な事実と数字がなければ、チームは新しいアプローチを必要としていました。それは、XNUMXつの帽子をかぶったニューラルネットワークです。 薬物の相乗効果は、生物学的標的（タンパク質や核酸など）の阻害によって発生することが多いため、モデルは、薬物と標的の相互作用と薬物と薬物の相乗効果を共同で学習して、新しい組み合わせをマイニングします。 薬物標的予測因子は、薬物と、選択した疾患に関連する一連の既知の生物学的標的との間の相互作用をモデル化します。 標的疾患関連予測因子は、薬物の抗ウイルス活性を理解することを学びます。これは、感染した組織培養におけるウイルス収量を決定することを意味します。 一緒に、彼らはXNUMXつの薬の相乗効果を予測することができます。 

このアプローチを使用して、19つの新薬の組み合わせが見つかりました。レムデシビル（現在、Covid-1の治療のためにFDAによって承認されています）とレセルピン、および生物学的アッセイでウイルスに対して強力であることが証明されたレムデシビルとIQ-XNUMXSです。 研究はされています 公表 セクションに 国立科学アカデミー講演論文集。

「薬物と生物学的標的の間の相互作用をモデル化することにより、組み合わせ相乗効果データへの依存を大幅に減らすことができます」と、最近CSAILで博士号を取得したMITとハーバードのブロードインスティテュートのポスドクであるWengong Jin SM'18は述べています。研究に関する新しい論文の筆頭著者です。 「固定記述子として薬物-標的相互作用を使用する以前のアプローチとは対照的に、私たちの方法は、分子構造から薬物-標的相互作用を予測することを学習します。 化合物の大部分が不完全な薬物-標的相互作用情報を持っているので、これは有利です。」 

副作用を減らしながら効力を最大化するために複数の薬を使用することは、結核、ハンセン病、マラリアなどの他のホストを含​​む前述の癌や心血管疾患に事実上遍在しています。 特殊なドラッグカクテルを使用すると、非常に重要なことに、耐性の重大な脅威と時には公衆の脅威を減らすことができます（メチシリン耐性と考えてください） 黄色ブドウ球菌 多くの薬剤耐性変異は相互に排他的であるため、「MRSA」として知られています。 ウイルスが同時にXNUMXつの突然変異を発症し、その後、併用療法でXNUMXつの薬剤に耐性を持つようになることははるかに困難です。 

重要なことに、このモデルは2つのSARS-CoV-XNUMX株だけに限定されるものではなく、ますます伝染するデルタ変異株やその他の懸念される変異株にも使用できる可能性があります。 これらの菌株に対するモデルの有効性を拡張するには、関連する変異の追加の薬剤併用相乗効果データのみが必要です。 さらに、チームはHIVと膵臓癌へのアプローチを適用しました。

チームは、生物学的モデリングをさらに洗練するために、タンパク質間相互作用や遺伝子調節ネットワークなどの追加情報を組み込むことを計画しています。 

彼らが模索している将来の仕事のもうXNUMXつの方向性は、「アクティブラーニング」と呼ばれるものです。 多くの薬物併用モデルは、サイズが限られているために特定の化学空間に偏っているため、予測には高い不確実性があります。 アクティブラーニングは、データ収集プロセスをガイドし、より広い化学空間での精度を向上させるのに役立ちます。 

ジンは、MITとハーバードのブロードインスティテュートのバンティングフェローであるジョナサンM.ストークスと一緒に論文を書きました。 国立先進トランスレーショナル科学センターの科学者、リチャードT.イーストマン。 国立衛生研究所の科学者、ジーナ・イトキン。 Alexey V. Zakharo、国立先進トランスレーショナル科学センター（NCATS）の情報学リーダー。 ジェームズ・J・コリンズ、MITの生物学工学教授。 トミ・S・ジャッコラとレジーナ・バージレイ、MITの電気工学とコンピューターサイエンスの教授。

このプロジェクトは、健康における機械学習のためのAbdul Latif JameelClinicによってサポートされています。 国防脅威削減局; パトリックJ.マクガバン財団; DARPA Accelerated MolecularDiscoveryプログラム。 部分的には、国立衛生研究所内の国立先進トランスレーショナル科学センターの学内/学外研究プログラムによるものです。