Infos Biotech – Utilisation de l’apprentissage automatique pour identifier les traitements potentiels contre le COVID-19– Act-in-biotech

Technologie_Compressé

Chercheurs de Université de Californie, Riverside (UCR) mis à profit l’apprentissage automatique pour détecter 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 le 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 systémique qui a dirigé la recherche. « Nous avons développé une ligne 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 virales. 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 tridimensionnelles », a déclaré Kowalewski.

Les chercheurs ont ensuite développé une base de données de molécules dont les structures devraient interagir avec les 65 protéines cibles, et ils ont également analysé les composés pour leur sécurité.

« Les 65 protéines cibles sont assez diverses et sont également impliquées dans de nombreuses autres maladies, y compris les cancers », a déclaré Kowalewski. « En plus des efforts en cours de réutilisation des médicaments contre ces objectifs, nous étions également intéressés par l’identification de nouveaux produits chimiques qui ne sont actuellement pas bien étudiés. »

À l’aide de modèles d’apprentissage automatique, ils ont examiné 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 excité à rechercher sont ceux qui devraient être volatils, créant la possibilité inhabituelle de thérapies par inhalation ».

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

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

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

«Historiquement, les traitements des maladies sont devenus de plus en plus complexes à mesure que nous développons une meilleure compréhension de la maladie et comment 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 fortement des données expérimentales, la détection virtuelle peut aider les chercheurs à poser de nouvelles questions ou à trouver de nouvelles informations. « 

Bien que les algorithmes soient intéressants 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 la détection et le développement. des médicaments en général.

« 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 dans lesquelles les mêmes 65 protéines cibles sont pertinentes », a ajouté Kowalewski. « Alors que la pandémie COVID-19 était ce qui nous a motivés, nous espérons que nos prédictions de plus de 10 millions de produits chimiques accéléreront la découverte de médicaments dans la lutte non seulement contre COVID-19 mais aussi contre d’autres maladies. »

Source: Source link