Biotech Etats-Unis – Utilisation de l’apprentissage automatique pour identifier les traitements COVID-19 potentiels – Act-in-biotech

Technologie_Compressé

Chercheurs au Université de Californie, Riverside (UCR) mis à profit l’apprentissage automatique pour cribler plus de 10 millions de petites molécules disponibles dans le commerce pour les interactions avec les protéines virales du SRAS-CoV-2, et a trouvé des centaines de médicaments qui pourraient offrir des traitements contre COVID-19.

«Il est urgent d’identifier des médicaments efficaces qui traitent ou préviennent le COVID-19», a déclaré Anandasankar Ray, professeur de biologie moléculaire, cellulaire et des systèmes qui a dirigé la recherche. «Nous avons développé un pipeline de découverte de médicaments qui a identifié plusieurs candidats.»

Initialement, Joel Kowalewski, un étudiant diplômé du laboratoire de Ray, a identifié des ligands précédemment connus pour 65 protéines humaines connues pour interagir avec les protéines du virus. Il a ensuite développé des modèles d’apprentissage automatique pour chacune des protéines humaines.

«Ces modèles sont formés pour identifier de nouveaux inhibiteurs et activateurs de petites molécules – les ligands – simplement à partir de leurs structures 3-D», a déclaré Kowalewski.

Les chercheurs ont ensuite développé une base de données de molécules dont les structures devaient interagir avec les 65 cibles protéiques, et ont également analysé les composés pour la sécurité.

«Les 65 cibles protéiques sont assez diverses et sont également impliquées dans de nombreuses autres maladies, y compris les cancers», a déclaré Kowalewski. «Outre les efforts de réutilisation des médicaments en cours contre ces objectifs, nous voulions également identifier de nouveaux produits chimiques qui ne sont actuellement pas bien étudiés.»

À l’aide des modèles d’apprentissage automatique, ils ont criblé plus de 10 millions de molécules à partir d’une base de données de 200 millions de produits chimiques, puis ont déterminé les meilleurs résultats de leur catégorie pour les 65 protéines humaines qui interagissent avec les protéines du SRAS-CoV-2. L’étape suivante consistait à déterminer lesquels de ces composés étaient déjà approuvés pour usage humain par la Food and Drug Administration (FDA) des États-Unis et à calculer la toxicité.

Ray note que «les composés que je suis le plus enthousiaste à l’idée de rechercher sont ceux qui devraient être volatils, ce qui crée la possibilité inhabituelle de thérapies par inhalation».

L’étude «Prédire de nouveaux médicaments pour le SRAS-CoV-2 à l’aide de l’apprentissage automatique à partir d’un espace chimique supérieur à 10 millions» était publié dans le journal Héliyon.

Quelques-uns des médicaments identifiés incluent le Tykerb (lapatinib) de Novartis utilisé pour traiter le cancer du sein; La Sparine de Wyeth (promazine), un médicament plus ancien maintenant arrêté utilisé pour traiter la schizophrénie; et Selinexor de Karyopharm Therapeutics utilisé pour traiter le myélome multiple et le lymphome à cellules B.

Les chercheurs recherchent des fonds et des collaborateurs pour déplacer des lignées cellulaires de test, des modèles animaux et éventuellement des essais cliniques.

«Historiquement, les traitements de la maladie deviennent de plus en plus complexes à mesure que nous développons une meilleure compréhension de la maladie et de la façon dont la variabilité génétique individuelle contribue à la progression et à la gravité des symptômes», a déclaré Kowalewski. «Les approches d’apprentissage automatique comme la nôtre peuvent jouer un rôle dans l’anticipation de l’évolution du paysage des traitements en offrant aux chercheurs des possibilités supplémentaires pour une étude plus approfondie. Alors que l’approche dépend essentiellement des données expérimentales, le dépistage virtuel peut aider les chercheurs à poser de nouvelles questions ou à trouver de nouvelles perspectives. »

Bien que les algorithmes soient passionnants pour faire la lumière sur les médicaments potentiels et les combinaisons de médicaments qui pourraient être testés pour lutter contre la pandémie COVID-19 en cours, ils sont conscients que l’utilisation potentielle de leur technologie pourrait avoir un impact majeur sur le dépistage et le développement de médicaments plus larges.

«Notre base de données peut servir de ressource pour identifier et tester rapidement des stratégies de traitement novatrices et sûres pour le COVID-19 et d’autres maladies où les 65 mêmes protéines cibles sont pertinentes», a ajouté Kowalewski. «Alors que la pandémie de COVID-19 était ce qui nous a motivés, nous nous attendons à ce que nos prédictions de plus de 10 millions de produits chimiques accéléreront la découverte de médicaments dans la lutte non seulement contre le COVID-19, mais aussi un certain nombre d’autres maladies.»

Source: Source link