机器学习方法识别潜在的药物治疗COVID-19候选人

科学家在加州大学河滨分校使用机器学习识别数以百计的新的潜在的药物可以帮助治疗COVID-19,新型冠状病毒引起的疾病,或SARS-CoV-2。

“迫切需要识别有效的药物治疗或预防COVID-19,”说Anandasankar雷教授分子、细胞和系统生物学谁领导了研究。“我们已经开发出一种药物发现管道,确定几个候选人。”

药物发现管道是一种计算策略与人工智能,计算机算法通过试验和错误,学会预测活动,改善随着时间的推移。

没有明确的尽头,COVID-19大流行已经破坏了生活,紧张的医疗保健系统,并削弱了经济。努力重新药物,如Remdesivir,取得了一些成功。SARS-CoV-2病毒疫苗可能是几个月,尽管它是没有保证的。

”结果,药物候选管道,如我们发达,是极其重要的追求作为第一步系统发现新的药物治疗COVID-19,”雷说。“现有fda批准的药物目标一个或多个人类对病毒蛋白质重要入口和复制目前高优先级再利用COVID-19新药。额外的需求是高的药物或小分子干扰体内SARS-CoV-2的条目和复制。我们的药物发现管道可以帮助。”

乔尔Kowalewski一个研究生射线的实验室使用之前所知的小数字配体65年人类已知的蛋白质相互作用SARS-CoV-2蛋白质。他生成的机器学习模型的每个人类蛋白质。

“这些模型被训练识别新的小分子抑制剂和催化剂,配体,只是从他们的三维结构,“Kowalewski说。

Kowalewski和雷因此能够创建一个数据库的化学物质的蛋白质结构预测的扶少团团员65的目标。他们还评估安全的化学物质。

“65蛋白目标非常多样,涉及许多额外的疾病,包括癌症,”Kowalewski说。“除了drug-repurposing努力持续对这些目标,我们也感兴趣识别小说化学物质目前没有充分的研究”。

射线和Kowalewski用他们的机器学习模型屏幕超过1000万商用小分子从一个数据库组成的2亿种化学物质,并确定了最佳冲击65年人类蛋白质相互作用SARS-CoV-2蛋白质。

将这一概念再推进一步,他们确定了化合物的点击率已经FDA批准,如药物和化合物用于食品。他们还使用了机器学习模型来计算毒性,这帮助他们拒绝有潜在毒性的候选人。这帮助他们优化预测的化学物质与SARS-CoV-2目标。他们的方法允许他们不仅识别得分最高的候选人与重大活动对一个人类蛋白质的目标,但也发现一些化学物质抑制两个或两个以上的人类蛋白质的预测目标。

”化合物我最兴奋地追求那些预测不稳定,设置不同寻常的吸入疗法的可能性,”雷说。

“从历史上看,疾病治疗变得越来越复杂,我们开发一个更好的理解疾病和如何个人遗传变异性导致症状的恶化和严重程度,“Kowalewski说。“像我们这样的机器学习方法在预测治疗的发展格局中发挥作用为研究人员提供更多的可能性进行进一步的研究。而最关键的是取决于实验数据的方法,虚拟筛选可能帮助研究人员问新问题或寻找新的洞察力。”

射线和Kowalewski认为,他们的计算策略的初步筛选大量的化学物质有一个传统cell-culture-dependent优势化验是昂贵的,需要多年才能测试。

“我们的数据库可以作为资源迅速识别和测试小说,安全COVID-19和其他疾病的治疗策略相同的65年目标蛋白质是相关的,”他说。“COVID-19大流行是什么促使我们的时候,我们期望我们的预测从超过1000万种化学物质将加速药物发现对抗不仅COVID-19还其他一些疾病。”

雷正在寻找资金和合作者走向测试细胞系最终、动物模型和临床试验。

参考:Kowalewski, et al。(2020)。预测的新药物SARS-CoV-2使用机器学习从> 1000万化学空间。HeliyonDOI:https://doi.org/10.1016/j.heliyon.2020.e04639

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。