10月28日,2020年

机器学习有助于寻找Covid-19疗法

彩色区域标志着潜在药物与冠状病毒的主要蛋白酶结合的区域,如MSU深度学习模型所预测的那样。信用:Guowei Wei的研究团队

密歇根州立大学基金会教授Guowei Wei不是为全球健康危机的机器学习技巧做好准备。仍然,当一个人爆发时,他和他的团队准备有助于帮助。

该组已经有一个 在大流行的工作中,预测突变对SARS-COV-2的后果。现在,魏的团队部署了另一个人,帮助毒品开发商对他们最有前途的导线,以攻击其中一个令人信服的目标。研究人员在同行评审期刊中分享了他们的英特尔英特尔 化学科学.

在大流行之前,魏和他的团队已经已经开发了机器学习计算机模型 - 特别是使用所谓的模型 - 帮助拯救药物开发人员的时间和金钱。研究人员“列车”他们的深入学习模型,其中包含有关药物开发商想要与治疗剂靶向的蛋白质信息的信息。然后,模型可以预测有关未知数量的利益来帮助指导 and testing.

在过去三年中,Spartans的模型一直是全球竞争系列的顶级表演者,可称为药物设计数据资源,或D3R,大挑战。然后covid-19来了。

“我们知道这将是坏事。中国关闭了一座1000万人的整个城市,”魏先生说,威瑞斯,威瑞是数学和电脑工程部门的教授。 “我们手头有一种技术,我们知道这很重要。”

魏和他的团队已经重新定位了他们的深度学习模式,专注于特定的SARS-COV-2蛋白,称为主要 。主要蛋白酶是Coronavirus蛋白质机械中的嵌齿,这对病原体如何使本身的副本至关重要。禁用COG的药物可以阻止病毒复制。

是什么让主要蛋白酶成为更具吸引力的目标是它与所有已知的人类蛋白酶不同,这并不总是如此。因此,攻击病毒蛋白酶的药物不太可能破坏人们的天然生物化学。

SARS-COV-2主要蛋白酶的另一个优点是,与2003年SARS爆发的冠状病毒的冠状病毒几乎相同。这意味着药物开发人员和魏的团队没有完全从头开始。它们有关于主要蛋白酶和化学化合物的结构的信息,称为蛋白酶抑制剂干扰蛋白质的功能。

尽管如此,差距仍然是理解,这些蛋白酶抑制剂锁定到病毒蛋白上以及有用时。这就是斯巴达人的深入学习模型进来的地方。

Wei的团队使用其模型来预测超过100种已知的蛋白酶抑制剂的细节。魏说,该数据也让团队排名这些抑制剂并突出最有前途的抑制剂,这可能对实验室和公司开发新药物的公司来说是非常有价值的信息。

“在毒品发现活动的早期,你可能有1000名候选人,”魏说。通常,所有候选人都会转向动物的临床前测试,那么可能是最有前途的10左右可以安全地前进到人类的临床试验中,魏解释说。

通过专注于蛋白酶最脆弱的斑点的药物,药物开发人员可以从一开始,节省金钱和几个月的1,000名列表中,如果不是多年,魏说。

“这是一种帮助的方法 开发人员优先考虑。他们不必浪费资源来检查每一个候选人,“他说。

但魏也有一个提醒。该团队的型号不会取代实验验证,临床前或临床试验的需求。在为患者提供多年之前,药物开发商仍然需要证明他们的产品是安全的。

因此,魏说,类似于免疫系统自然产生的冠状病毒的抗体治疗将很可能是在大流行期间批准的第一个疗法。然而,这些抗体靶向病毒的穗蛋白,而不是其主要蛋白酶。发展 因此,将为阿森纳提供一个受欢迎的作用,以战斗致命和不断发展的敌人。

“如果开发人员想要设计一组新的药物,我们基本上表现出了他们需要做的事情,”魏说。

更多信息: Duc duy nguyen等。使用代数拓扑和深度学习揭示137个晶体结构的SARS-COV-2主要蛋白酶抑制的分子机制, 化学科学 (2020)。 DOI:10.1039 / d0sc04641h

信息信息: 化学科学

加载评论 (0)