麻省理工学院开发机器学习方法,以寻找Covid-19的新治疗选择

Covid-19药物修复

研究人员制定了一个系统,以识别可能重新打击老年患者冠状病毒的药物。信用:iStockphoto.

研究人员制定了一个系统,以识别可能被重新打击老年患者冠状病毒的药物。

当Covid-19大流行于2020年代初袭击时,医生和研究人员急于找到有效的治疗方法。几乎没有时间备用。“让新毒品永远采取,”Caroline Uhler,一个计算生物学家麻省理工学院电气工程与计算机科学系和数据,系统和社会研究所,以及广泛的麻省理工学院和哈佛大学助理成员。“真的,唯一的权宜之计选择是能够重新培养现有药物。”

Uhler的团队现已制定了一种基于机器学习的方法,以识别已经在市场上的药物可能被重新打击Covid-19,特别是在老年人。该系统考虑由疾病和老化引起的肺细胞基因表达的变化。这种组合可以允许医学专家更快地寻求老年患者临床试验的药物,他们往往会经历更严重的症状。研究人员针对Covid-19药物的有希望的目标定位了蛋白质RIPK1,他们确定了三种批准的药物,该批准的药物对RIPK1的表达起作用。

该研究昨日(2月16日)在杂志中公布自然通信。共同作者包括MIT PHD学生Anastasiya Belyaeva,Adityanarayanan Radhakrishnan,Chandler Squires和Karren Dai Yang,以及哈佛大学的博士学生路易斯Cammarata,以及长期的合作师G.v.埃特兰奇·埃尔希希岛湿空间。

在大流行早期,它可以明确表示Covid-19伤害老年患者比较年轻人,平均而言。尤勒的团队想知道为什么。“普遍的假设是老化免疫系统,”她说。但是,少年和湿湿地面建议了一个额外的因素:“通过老化发生的肺部的主要变化之一就是它变得更加僵硬。“

即使响应于相同的信号,加强肺组织表现出比年轻人在年轻人中的不同模式。“Shivashankar Lab的早期工作表明,如果用细胞因子刺激细胞纤维底物上的细胞,类似于病毒所做的,它们实际上可以打开不同的基因,”尤勒说。“所以,这是激励这个假设。我们需要一起看老化SARS-CoV-2- 这两个途径的交叉处是什么基因?“选择可能对这些途径采取行动的批准药物,该团队转向大数据和人工智能。

研究人员在三个广泛的步骤中归零最有前途的药物候选候选人。首先,他们使用称为AutoEncoder的机器学习技术生成大量可能的药物列表。接下来,它们映射了衰老和SARS-COV-2感染的基因网络和蛋白质网络。最后,他们使用统计算法来了解该网络中的因果关系,允许它们针对整个网络引起级联效应的“上游”基因。原则上,靶向那些上游基因和蛋白质的药物应该是临床试验的有希望的候选者。

为了生成初始潜在药物列表,该团队的AutoEncoder依赖于基因表达模式的两个关键数据集。一个数据集显示了各种细胞类型中的表达如何应对已经在市场上的一系列药物,另一个数据集响应了一系列药物,而另一个数据集显示了SARS-COV-2的感染程度的表达。AutoEncoder彻底挑选了数据集以突出显示对基因表达的影响的药物似乎抵消了SARS-COV-2的影响。“这种对自动化器的应用挑战并要求对这些神经网络的工作进行了挑战性和必要的基础见解,我们在最近发表的论文中开发的pnas.,“Notes Radhakrishnan。

接下来,研究人员通过在关键遗传途径上归巢来缩小潜在药物的名单。它们映射了蛋白质的相互作用和SARS-COV-2感染途径。然后他们确定了两张地图中的重叠区域。这种努力定位了精确的基因表达网络,即药物需要瞄准老年患者的Covid-19。

“At this point, we had an undirected network,” says Belyaeva, meaning the researchers had yet to identify which genes and proteins were “upstream” (i.e. they have cascading effects on the expression of other genes) and which were “downstream” (i.e. their expression is altered by prior changes in the network). An ideal drug candidate would target the genes at the upstream end of the network to minimize the impacts of infection.

“我们希望识别一种对下游下游所有这些差异表达基因产生影响的药物,”Belyaeva说。因此,团队使用算法在交互系统中推断出来的因果关系,将它们的无向网络变为因果网络。最终因果网络将RIPK1鉴定为潜在的Covid-19药物的靶基因/蛋白质,因为它具有许多下游效应。研究人员确定了对RIPK1行事的批准药物的清单,可能有可能治疗Covid-19。以前这些药物已被批准用于癌症。还发现的其他药物,包括利巴韦林和Quinapril,已经在Covid-19的临床试验中。

Uhler计划与制药公司分享团队的调查结果。她强调,在任何识别的任何药物可以批准用于重新审查的老年人Covid-19患者之前,需要临床测试来确定疗效。虽然这项特殊的研究专注于Covid-19,但研究人员表示,他们的框架是可扩展的。“我真的很兴奋,这个平台可以更普遍适用于其他感染或疾病,”Belyaeva说。Radhakrishnan强调了收集关于各种疾病影响基因表达的信息的重要性。“我们在这个空间所拥有的数据越多,这可以越好,”他说。

参考:“SARS-COV-2表达和老化的因果网络模型,以识别药物重新淘汰的候选人”由Anastasiya Belyaeva,Louis Cammarata,Adityanarayanan radhakrishnan,Chandler Squires,Karren Dai Yang,G.V.Shivashankar和Caroline Uhler,2月15日2021年2月15日,自然通信
DOI:10.1038 / s41467-021-21056-z

该研究部分得到了海军研究办公室,国家科学基金会,西蒙斯基金会,IBM和MIT Jameel诊所进行机器学习和健康的职位。

是第一个评论“麻省理工学院开发机器学习方法,以寻找Covid-19的新治疗方案”

发表评论

电子邮件地址是可选的。如果提供的话,您的电子邮件不会发布或共享。