Команда отдела электротехники и компьютерных наук Массачусетского технологического института и Института данных, систем и общества разработала подход на основе машинного обучения для выявления уже имеющихся на рынке лекарств, которые потенциально могут быть перепрофилированы для борьбы с Covid-19.

Система учитывает изменения экспрессии генов в клетках легких, вызванные как заболеванием, так и старением. Этот путь может быть эффективным для поиска лекарств для пожилых людей.

Исследователи уже идентифицировали три одобренных препарата, которые могут помочь в лечении коронавируса.

Команда обратила внимание на то, что Covid-19 причиняет больше вреда пожилым пациентам. Ученые предположили, что это связано не только с общим старением иммунной системы, но и с возрастными изменениями в легких. У пожилых легочная ткань демонстрирует отличные от молодых паттерны экспрессии генов.

Сначала исследователи сгенерировали большой список возможных лекарств с помощью техники машинного обучения, называемой автоэнкодером. Затем они составили карту сети генов и белков, участвующих как в процессе старения, так и в инфицировании SARS-CoV-2. Наконец, ученые использовали статистические алгоритмы, чтобы понять причинно-следственную связь в этой сети, что позволило им точно определить «вышестоящие» гены, вызывающие каскадные эффекты по всей сети. Препараты, нацеленные на эти вышестоящие гены и белки, должны помочь в борьбе с коронавирусом.

Чтобы создать первоначальный список потенциальных лекарств, автоэнкодер команды использовал два ключевых набора данных о паттернах экспрессии генов. Один набор данных показал, как экспрессия в различных типах клеток реагирует на ряд препаратов, уже имеющихся на рынке, а другой показывает, как экспрессия реагирует на инфекцию SARS-CoV-2. Автоэнкодер просмотрел наборы данных, чтобы выделить препараты, влияние которых на экспрессию генов, по-видимому, противодействует эффектам SARS-CoV-2.

Затем исследователи сузили список потенциальных лекарств, обратив внимание на ключевые генетические пути. Они картировали взаимодействия белков, вовлеченных в процессы старения и заражения Sars-CoV-2. Затем они определили области пересечения двух карт. Эти усилия позволили определить точную сеть экспрессии генов, на которую нужно воздействовать лекарству для борьбы с Covid-19 у пожилых пациентов.

Однако исследователям еще предстояло определить, какие гены и белки находятся «в восходящем направлении», то есть каскадно влияют на экспрессию других генов.

Команда использовала алгоритмы, которые выявляют причинно-следственные связи во взаимодействующих системах, чтобы превратить ненаправленную сеть в причинную. Она определила RIPK1 как целевой ген/белок для потенциальных препаратов Covid-19, поскольку он имеет множество нисходящих эффектов.

Исследователи составили список одобренных препаратов, которые действуют на RIPK1 и могут потенциально лечить Covid-19. Ранее эти препараты были одобрены для использования при раке. Другие препараты, которые также были идентифицированы сетью, включая рибавирин и квинаприл, уже проходят клинические испытания для борьбы с Covid-19.

Хотя это конкретное исследование было сосредоточено на Covid-19, исследователи говорят, что его рамки можно расширить и на другие заболевания.

Ранее группа ученых из МТИ и Кембриджского и Гарвардского университетов предложили использовать для анализа мутаций коронавируса искусственный интеллект, предназначенный для распознавания текста. Исследователи обнаружили, что вирус может мутировать таким образом, что сохраняет способность к инфицированию, но воспринимается иммунитетом человека по-другому — так же, как замена одного слова в предложении никак не влияет на грамматику и синтаксис, но меняет его значение.

Кроме того, в МТИ разработали модель искусственного интеллекта, которая способна распознать тип кашля больных коронавирусом даже при записи с мобильного телефона.

МТИ представил модель машинного обучения для поисков вариантов лечения Covid-19