2020年10月28日

机器学习有助于寻找COVID-19疗法

密歇根州立大学基金会(密西根州立大学 Foundation)教授郭伟伟并未为全球性健康危机准备机器学习技术。但是,当一个人爆发时,他和他的团队随时准备提供帮助。

该小组已经有一个 在大流行中发挥作用,预测SARS-CoV-2突变的后果。现在,Wei的团队已经部署了另一个工具,以帮助药物开发人员找到最有前途的线索,以攻击该病毒最引人注目的目标之一。研究人员于10月21日在同行评审期刊上分享了他们的intel 化学科学.

在大流行之前,Wei和他的团队已经在开发机器学习计算机模型,特别是使用所谓的 —帮助节省药物开发人员的时间和金钱。研究人员使用数据集“训练”他们的深度学习模型,该数据集包含有关药物开发人员希望通过治疗药物靶向的蛋白质的信息。然后,模型可以对未知的感兴趣量做出预测,以帮助指导 和测试。

在过去的三年中,Spartans的模型在计算机辅助药物设计的全球竞赛系列(称为“药物设计数据资源”或D3R,“大挑战”)中一直是表现最好的。然后COVID-19来了。

数学和电气与计算机工程系的教授魏说:“我们知道情况将变得很糟。中国关闭了整个拥有1000万人的城市。” “我们手头有一种技术,我们知道这很重要。”

Wei和他的团队将其深度学习模型重新定位为专注于一种称为SARS-CoV-2的特定蛋白质 。主要蛋白酶是冠状病毒蛋白机制中的一个嵌齿轮,这对病原体如何自我复制至关重要。禁用该齿轮的药物因此可以阻止病毒复制。

使主要蛋白酶成为更具吸引力的目标的原因是,它不同于所有已知的人类蛋白酶,并非总是如此。因此,攻击病毒蛋白酶的药物不太可能破坏人们的自然生物化学。

SARS-CoV-2主要蛋白酶的另一个优点是,它与导致2003年SARS爆发的冠状病毒几乎相同。这意味着药物开发人员和Wei的团队并不是完全从头开始。他们掌握了有关主要蛋白酶和干扰蛋白酶功能的化合物(称为蛋白酶抑制剂)的结构的信息。

尽管如此,在了解那些蛋白酶抑制剂在病毒蛋白上的位置以及紧紧程度方面仍存在差距。那就是Spartans的深度学习模型出现的地方。

Wei的团队使用其模型来预测100多种已知蛋白酶抑制剂的那些细节。魏说,这些数据还使研究小组对这些抑制剂进行了排序,并突出了最有希望的抑制剂,这对于实验室和开发新药的公司而言可能是非常有价值的信息。

魏说:“在药物发现运动的初期,您可能有1,000名候选人。” Wei解释说,通常,所有这些候选人都将转入动物的临床前测试,然后可能最有希望的10位左右可以安全地进入人体临床试验。

魏说,通过专注于最易被蛋白酶最脆弱部位吸引的药物,药物开发人员可以从一开始就减少1000种药物的清单,从而节省资金和数月(甚至数年)的费用。

“这是一种帮助的方式 开发人员优先。他们不必浪费资源来检查每个候选人。”

但是魏也有一个提醒。团队的模型不能替代对实验验证,临床前或临床试验的需求。药物开发人员仍然需要在为患者提供产品之前证明其产品安全,这可能需要很多年。

出于这个原因,Wei说,类似于大自然免疫系统产生的抗冠状病毒的抗体疗法很可能是大流行期间批准的首批疗法。但是,这些抗体靶向病毒的刺突蛋白,而不是其主要蛋白酶。发展 因此,这将为军火库提供令人欢迎的补充,以与致命且不断发展的敌人作战。

“如果开发人员想设计一套新的药物,我们已经基本表明了他们需要做什么,”魏说。



更多信息: Duc Duy Nguyen等。利用代数拓扑和深度学习揭示了137个晶体结构对SARS-CoV-2主要蛋白酶抑制的分子机制, 化学科学 (2020)。 DOI:10.1039 / D0SC04641H
期刊信息: 化学科学

引文: 机器学习有助于寻找COVID-19治疗方法(2020年10月28日) 2020年10月29日检索 from //xasqxhb.com/news/2020-10-machine-covid-therapies.html
本文件受版权保护。除了出于私下学习或研究目的进行的任何公平交易外, 未经书面许可,不得复制部分内容。内容仅供参考。

用户评论