Израильские ученые используют машинное обучение, чтобы открыть путь к антивиральным лекарствам

Новое открытие позволяет ускорить процесс поиска молекул​, обладающих лекарственным эффектом.

Почему нет лекарств, которые могут вылечить Covid, SARS или грипп? Почему, если у вас ангина, вам прописывают антибиотик, а при вирусной инфекции вам говорят "надо потерпеть"? Почему у нас до сих пор нет противовирусных препаратов в таком же количестве, разнообразии и при той же эффективности, что и антибиотики?

В отличие от антибиотиков (действие которых широкое и поражает целый ряд микроорганизмов), противовирусные препараты обычно предназначены для борьбы с одним вирусом. Из-за такой ограниченности фармацевтическим компаниям невыгодно инвестировать в разработку новых противовирусных препаратов. В результате терапевтические препараты, не связанные с ВИЧ, составляют менее 1% от общего рынка лекарственных средств, что прямо контрастирует с преобладанием вирусных инфекций в повседневной жизни. Хотя очевидным решением этой проблемы является разработка противовирусных препаратов, которые можно использовать для лечения множества таких заболеваний, поиск таких препаратов широкого спектра действия оказался весьма труднодостижимой задачей.

Новаторское исследование, проведенное в сотрудничестве между лабораторией профессора Рои Амита из Техниона - Израильского технологического института (факультет биотехнологии и пищевых технологий), и группой профессора Ярона Оренштейна из Школы электротехники и вычислительной техники Университета им. Бен-Гуриона в Негеве, впервые открывает реальный путь к достижению этой цели. Исследование, проведенное доктором Ноа Кац, демонстрирует, что комбинированный подход к синтетической биологии и машинному обучению может привести к открытию молекул, способных связывать белки двух разных вирусов, тем самым блокируя их размножение в организме.

Традиционный метод выявления лекарственных средств заключается в применении малопроизводительного и трудоемкого поиска молекул, которые могут выполнять требуемую функцию. Напротив, подход синтетической биологии и машинного обучения направлен на отображение «пространства» потенциальных взаимодействий, что позволяет с высокой степенью надежности предсказать молекулы с желаемыми свойствами. Для этого сначала создается большой и высококачественный экспериментальный набор данных из библиотеки (то есть коллекции) различных известных и предполагаемых потенциальных молекул, связывающих вирус с белками. Затем набор данных используется для обучения нейронной сети, чтобы позволить ей сформировать многомерную математическую функцию, представляющую способность группы связываться с белками.

После вычисления такую ​​функцию можно использовать в обратном порядке - для идентификации областей с высокой связывающей способностью и извлечения «предсказанных» молекул, которые ранее не тестировались. Затем эти предсказанные молекулы могут быть синтезированы и протестированы на желаемую биологическую функциональность. Исследователи применили этот подход, чтобы сначала составить карту связывающего пространства двух разных белков оболочки от двух разных вирусов, атакующих бактерии, а затем синтезировали и подтвердили молекулы РНК, которые, как было предсказано, находятся на границе между двумя пространствами и, следовательно, обладают обоими функциональные возможностями. Это достижение предоставляет научному сообществу новый путь, который можно использовать для идентификации новых последовательностей РНК, потенциально способных стать ключевыми ингредиентами противовирусных препаратов широкого спектра действия.​

Источник: MFA
Фото: Авторы исследования - проф. Рои Амит, проф. Ярон Оренштейн, д-р Ноа Кац / Технион, Pixabay