Машинное обучение помогает искать методы лечения COVID-19 | Советы девушкам

Профессор Фонда Мичиганского государственного университета Гуовей Вэй не готовил методы машинного обучения к глобальному кризису в области здравоохранения. Тем не менее, когда один вспыхнул, он и его команда были готовы помочь.

У группы уже есть одна модель машинного обучения, которая работает во время пандемии, предсказывая последствия мутаций SARS-CoV-2. Теперь команда Вэя направила еще один, чтобы помочь разработчикам лекарств найти наиболее многообещающие направления для атаки на одну из самых привлекательных целей вируса. Исследователи поделились своей информацией 21 октября в рецензируемом журнале Chemical Science .

До пандемии Вэй и его команда уже разрабатывали компьютерные модели машинного обучения, в частности модели, использующие так называемое глубокое обучение, чтобы сэкономить время и деньги разработчиков лекарств. Исследователи «тренируют» свои модели глубокого обучения с помощью наборов данных, заполненных информацией о белках, на которые разработчики лекарств хотят воздействовать с помощью терапевтических средств. Затем модели могут делать прогнозы относительно неизвестных представляющих интерес количеств, чтобы помочь в разработке и тестировании лекарств .

За последние три года модели спартанцев были одними из лучших в серии всемирных соревнований по компьютерному дизайну лекарств, известных как Data Design Data Resource, или D3R, Grand Challenge. Потом пришел COVID-19.

«Мы знали, что это будет плохо. Китай закрыл целый город с 10-миллионным населением», – сказал Вэй, профессор кафедры математики, электротехники и вычислительной техники. «У нас была техника под рукой, и мы знали, что это важно».

Вэй и его команда перепрофилировали свои модели глубокого обучения, чтобы сосредоточиться на конкретном белке SARS-CoV-2, называемом его основной протеазой . Основная протеаза – это винтик в белковой машине коронавируса, которая имеет решающее значение для того, как патоген копирует себя. Таким образом, препараты, которые выводят из строя этот винтик, могут остановить репликацию вируса.

Что делает основную протеазу еще более привлекательной мишенью, так это то, что она отличается от всех известных протеаз человека, что не всегда так. Таким образом, препараты, атакующие вирусную протеазу, с меньшей вероятностью нарушат естественную биохимию человека.

Еще одно преимущество основной протеазы SARS-CoV-2 заключается в том, что она почти идентична таковой у коронавируса, вызвавшего вспышку SARS в 2003 году. Это означает, что разработчики лекарств и команда Вэя не начинали полностью с нуля. У них была информация о структуре основных протеаз и химических соединениях, называемых ингибиторами протеаз, которые нарушают функцию белка.

Тем не менее, оставались пробелы в понимании того, где эти ингибиторы протеазы прикрепляются к вирусному белку и насколько сильно. Вот тут и пригодились спартанские модели глубокого обучения.

Команда Вей использовала свои модели, чтобы предсказать эти детали для более чем 100 известных ингибиторов протеазы. Эти данные также позволяют команде ранжировать эти ингибиторы и выделять наиболее перспективные из них, что может быть очень ценной информацией для лабораторий и компаний, разрабатывающих новые лекарства, сказал Вэй.

«В первые дни кампании по открытию лекарств у вас может быть 1000 кандидатов», – сказал Вэй. Как правило, все эти кандидаты переходят к доклиническим испытаниям на животных, а затем, возможно, наиболее многообещающие 10 или около того могут безопасно перейти к клиническим испытаниям на людях, объяснил Вэй.

Сосредоточив внимание на лекарствах, которые больше всего привлекают наиболее уязвимые места протеазы, разработчики лекарств могут с самого начала сократить этот список из 1000, сэкономив деньги и месяцы, если не годы, сказал Вэй.

«Это способ помочь разработчикам лекарств расставить приоритеты. Им не нужно тратить ресурсы на проверку каждого кандидата», – сказал он.

Но у Вэя было напоминание. Модели команды не заменяют необходимость экспериментальной проверки, доклинических или клинических испытаний. Разработчикам лекарств все еще нужно доказать безопасность своих продуктов, прежде чем предоставлять их пациентам, что может занять много лет.

По этой причине, сказал Вэй, лечение антителами, которое напоминает то, что иммунная система вырабатывает естественным образом для борьбы с коронавирусом, скорее всего, будет первым лечением, одобренным во время пандемии. Эти антитела, однако, нацелены на спайковый белок вируса, а не на его основную протеазу. Таким образом, разработка ингибиторов протеазы станет долгожданным дополнением к арсеналу для борьбы со смертельным и постоянно развивающимся противником.

«Если разработчики хотят создать новый набор лекарств, мы в основном показали, что им нужно делать», – сказал Вэй.

Leave comment

Your email address will not be published. Required fields are marked with *.

один × четыре =