Nauka dla Społeczeństwa

28.03.2024
PL EN
10.05.2021 aktualizacja 10.05.2021

Szybsze poszukiwanie leków na COVID-19

Fot. Adobe Stock Fot. Adobe Stock

Pakiet modeli obliczeniowych typu open source, który pomoże szybko badać małe cząsteczki pod kątem ich potencjalnych właściwości w walce z COVID-19 stworzyli naukowcy z Uniwersytetu Stanowego Nowego Meksyku (USA).

O innowacyjnym narzędziu poinformowali na łamach „Nature Machine Intelligence” (https://www.nature.com/articles/s42256-021-00335-w).

Przeszło rok po wybuchu pandemii COVID-19 świat wkroczył w fazę masowych szczepień, wierząc, że taka strategia zapewni odporność stadną i ostatecznie powstrzyma lub chociaż znacząco ograniczy rozprzestrzenianie się choroby. Jednak na wypadek, gdyby odporność stadna nigdy nie została w pełni osiągnięta lub gdyby pojawiły się hiperwirulentne warianty wirusa, cały czas na świecie trwają prace nad lekami, które mogłyby okazać się skuteczne w walce z SARS-CoV-2.

Naukowcy pod kierunkiem dr. Tudora Oprei z Uniwersytetu Stanowego Nowego Meksyku stworzyli unikalne narzędzie - REDIAL-2020, które pomaga badaczom leków szybko identyfikować cząsteczki zdolne do „rozbrojenia” wirusa jeszcze zanim zaatakuje on komórki ludzkie lub unieszkodliwiania go we wczesnych stadiach infekcji.

„REDIAL-2020 w pewnym stopniu zastępuje eksperymenty laboratoryjne - mówi dr Oprea. - Zawęża pole poszukiwań i pozwala skupić się od razu na tym, co ma potencjał. Umieściliśmy go w internecie, aby każdy mógł z niego skorzystać”.

„Już zeszłej wiosny uświadomiłem sobie, że mamy wystarczająco dużo danych, aby zbudować solidne modele uczenia maszynowego” - opowiada autor badania. Jak dodaje, REDIAL-2020 określa zdolność każdej cząsteczki do hamowania wnikania wirusa do organizmu, jego namnażania, zakaźności in vitro oraz jej cytotoksyczność.

Narzędzie opiera się nie tylko na pozytywnych wynikach badań sugerujących, które cząsteczki mają potencjał do bycia lekiem przeciwwirusowym, ale też uwzględnia dane negatywne wykluczające dane związki z kręgu poszukiwań. Takie podejście znacząco zwiększa dokładność uczenia maszynowego.

„Nasz pomysł polega na tym, aby zidentyfikować cząsteczki, które idealnie pasują do zadanego profilu - mówi Oprea. - Chcemy znaleźć cząsteczki, które robią wszystkie rzeczy, które powinny, a nie robią tych, których od nich nie oczekujemy”.

Zdaniem naukowca koronawirus to przebiegły przeciwnik. „Nie sądzę, że istnieje lek, który będzie pasował do wszystkich jego wariantów. Ale wkrótce prawdopodobnie uda się opracować taki koktajl wielu leków, który będzie atakował wirusa na wielu frontach" - uważa dr Oprea.

REDIAL-2020 opiera się na algorytmach uczenia maszynowego, które są w stanie szybko przetwarzać ogromne ilości danych i wyłapywać ukryte wzorce, niedostrzegalne dla ludzkiego oka. Zespół Oprei zweryfikował przewidywania uczenia maszynowego na podstawie danych z National Center for Advancing Translational Sciences (NCATS), porównując je ze znanymi efektami już istniejących leków, zarejestrowanych w bazie danych UNM DrugCentral.

„Zasadniczo nasz model jest elastyczny i będzie go można go szkolić w zakresie oceny związków także pod kątem innych patogenów oraz do oceny substancji, które nie zostały jeszcze zatwierdzone do użytku u ludzi” - podkreśla autor pomysłu.

„Naszym głównym celem jest poszukiwanie leku na COVID wśród środków już istniejących, ale tak naprawdę skupiamy się na każdej małej cząsteczce chemicznej - podsumowuje. - To nie musi być zatwierdzony lek. Tak naprawdę każdy badacz testujący nowe związki może wpaść na coś ważnego”.(PAP)

Autorka: Katarzyna Czechowicz

kap/ agt/

Przed dodaniem komentarza prosimy o zapoznanie z Regulaminem forum serwisu Nauka w Polsce.

Copyright © Fundacja PAP 2024