Zephyrnet-logo

Deep learning helpt nieuwe medicijncombinaties te voorspellen om Covid-19 te bestrijden

Datum:

De existentiële dreiging van Covid-19 heeft duidelijk gemaakt dat er dringend behoefte is om werkende therapieën te ontwikkelen tegen opkomende gezondheidsproblemen. Een van de luxe die deep learning ons heeft opgeleverd, is de mogelijkheid om het landschap aan te passen terwijl het zich ontvouwt - zolang we de virale dreiging kunnen bijhouden en toegang hebben tot de juiste gegevens. 

Zoals met alle nieuwe medische aandoeningen, hebben de gegevens vaak tijd nodig om bij te praten, en het virus heeft geen tijd nodig om te vertragen, wat een moeilijke uitdaging vormt omdat het snel kan muteren en resistent kan worden tegen bestaande medicijnen. Dit bracht wetenschappers van MIT's Computer Science and Artificial Intelligence Laboratory (CSAIL) en de Jameel Clinic for Machine Learning in Health ertoe om zich af te vragen: hoe kunnen we de juiste synergetische medicijncombinaties identificeren voor de zich snel verspreidende SARS-CoV-2? 

Doorgaans gebruiken datawetenschappers deep learning om medicijncombinaties met grote bestaande datasets uit te zoeken voor zaken als kanker en hart- en vaatziekten, maar ze kunnen begrijpelijkerwijs niet worden gebruikt voor nieuwe ziekten met beperkte gegevens.

Zonder de nodige feiten en cijfers had het team een ​​nieuwe aanpak nodig: een neuraal netwerk dat twee petten op heeft. Omdat drugssynergie vaak optreedt door remming van biologische doelen (zoals eiwitten of nucleïnezuren), leert het model gezamenlijk de interactie tussen geneesmiddel en geneesmiddel en synergie tussen geneesmiddelen om nieuwe combinaties te ontginnen. De voorspeller van het medicijndoel modelleert de interactie tussen een medicijn en een reeks bekende biologische doelen die gerelateerd zijn aan de gekozen ziekte. De voorspeller van de associatie met doelwitziekte leert de antivirale activiteit van een medicijn te begrijpen, wat betekent dat de virusopbrengst in geïnfecteerde weefselculturen wordt bepaald. Samen kunnen ze de synergie van twee medicijnen voorspellen. 

Met deze aanpak werden twee nieuwe medicijncombinaties gevonden: remdesivir (momenteel goedgekeurd door de FDA voor de behandeling van Covid-19) en reserpine, evenals remdesivir en IQ-1S, die in biologische tests krachtig bleken tegen het virus. De studie is geweest gepubliceerde in de Proceedings van de National Academy of Sciences.

"Door interacties tussen geneesmiddelen en biologische doelwitten te modelleren, kunnen we de afhankelijkheid van combinatiesynergiegegevens aanzienlijk verminderen", zegt Wengong Jin SM '18, een postdoc aan het Broad Institute of MIT en Harvard die onlangs zijn doctoraatswerk in CSAIL voltooide, en die is de hoofdauteur van een nieuw artikel over het onderzoek. “In tegenstelling tot eerdere benaderingen die geneesmiddel-doelwitinteractie als vaste descriptoren gebruikten, leert onze methode om geneesmiddel-doelwitinteractie te voorspellen op basis van moleculaire structuren. Dit is voordelig omdat een groot deel van de verbindingen onvolledige informatie over interacties tussen geneesmiddelen en doelwitten heeft." 

Het gebruik van meerdere medicijnen om de potentie te maximaliseren, terwijl het ook de bijwerkingen vermindert, is praktisch alomtegenwoordig voor bovengenoemde kanker en hart- en vaatziekten, waaronder tal van andere, zoals tuberculose, lepra en malaria. Het gebruik van gespecialiseerde drugscocktails kan, heel belangrijk, de ernstige en soms publieke dreiging van resistentie verminderen (denk aan methicilline-resistente) Staphylococcus aureus bekend als "MRSA"), aangezien veel resistente mutaties elkaar uitsluiten. Het is veel moeilijker voor een virus om twee mutaties tegelijk te ontwikkelen en vervolgens resistent te worden tegen twee geneesmiddelen in een combinatietherapie. 

Belangrijk is dat het model niet beperkt is tot slechts één SARS-CoV-2-stam - het kan mogelijk ook worden gebruikt voor de steeds besmettelijker wordende Delta-variant of andere zorgwekkende varianten die zich kunnen voordoen. Om de werkzaamheid van het model tegen deze stammen uit te breiden, hebt u alleen aanvullende synergiegegevens over geneesmiddelencombinaties nodig voor de relevante mutatie(s). Daarnaast paste het team hun benadering van hiv en alvleesklierkanker toe.

Om hun biologische modellering verder te verfijnen, is het team van plan om aanvullende informatie op te nemen, zoals eiwit-eiwitinteractie en genregulerende netwerken. 

Een andere richting voor toekomstig werk dat ze onderzoeken, is iets dat 'actief leren' wordt genoemd. Veel combinatiemodellen voor geneesmiddelen zijn bevooroordeeld in de richting van bepaalde chemische ruimtes vanwege hun beperkte omvang, dus er is een grote onzekerheid in voorspellingen. Actief leren helpt het gegevensverzamelingsproces te begeleiden en de nauwkeurigheid in een grotere chemische ruimte te verbeteren. 

Jin schreef het artikel samen met Jonathan M. Stokes, Banting Fellow bij The Broad Institute of MIT en Harvard; Richard T. Eastman, een wetenschapper bij het National Center for Advancing Translational Sciences; Zina Itkin, een wetenschapper bij de National Institutes of Health; Alexey V. Zakharo, hoofd informatica bij het National Center for Advancing Translational Sciences (NCATS); James J. Collins, hoogleraar biologische technologie aan het MIT; en Tommi S. Jaakkola en Regina Barzilay, MIT-hoogleraren elektrotechniek en computerwetenschappen aan het MIT.

Dit project wordt ondersteund door de Abdul Latif Jameel Clinic for Machine Learning in Health; de Defense Threat Reduction Agency; Stichting Patrick J. McGovern; het DARPA Accelerated Molecular Discovery-programma; en gedeeltelijk door het intramurale/extramurale onderzoeksprogramma van het National Center for Advancing Translational Sciences binnen de National Institutes of Health.

PlatoAi. Web3 opnieuw uitgevonden. Gegevensintelligentie versterkt.
Klik hier om toegang te krijgen.

Bron: https://news.mit.edu/2021/deep-learning-helps-predict-new-drug-combinations-fight-covid-19-0924

spot_img

Laatste intelligentie

spot_img