Reveller

Pendekatan baru untuk menemukan pilihan pengobatan untuk Covid-19

Big News Network


Washington [US], 16 Februari (ANI): Sebuah studi yang dipimpin oleh para peneliti dari Massachusetts Institute of Technology telah mengembangkan sistem untuk mengidentifikasi obat yang mungkin digunakan kembali untuk melawan virus corona pada pasien lansia.

Ketika pandemi Covid-19 melanda pada awal 2020, dokter dan peneliti bergegas mencari pengobatan yang efektif. Ada sedikit waktu luang. “Membuat obat baru membutuhkan waktu selamanya,” kata Caroline Uhler, ahli biologi komputasi di Departemen Teknik Elektro dan Ilmu Komputer MIT dan Institut Data, Sistem, dan Masyarakat, dan anggota asosiasi dari Institut Luas MIT dan Harvard. “Sungguh, satu-satunya pilihan yang bijaksana adalah menggunakan kembali obat-obatan yang ada.” Tim Uhler sekarang telah mengembangkan pendekatan berbasis pembelajaran mesin untuk mengidentifikasi obat-obatan yang sudah ada di pasaran yang berpotensi digunakan kembali untuk melawan Covid-19, terutama pada orang tua.

Sistem tersebut menjelaskan perubahan ekspresi gen dalam sel paru-paru yang disebabkan oleh penyakit dan penuaan. Kombinasi tersebut memungkinkan para ahli medis lebih cepat mencari obat untuk pengujian klinis pada pasien lanjut usia, yang cenderung mengalami gejala yang lebih parah.

Para peneliti menunjuk protein RIPK1 sebagai target yang menjanjikan untuk obat Covid-19, dan mereka mengidentifikasi tiga obat yang disetujui yang bekerja pada ekspresi RIPK1.

Penelitian tersebut muncul hari ini di jurnal Nature Communications. Rekan penulis termasuk mahasiswa PhD MIT Anastasiya Belyaeva, Adityanarayanan Radhakrishnan, Chandler Squires, dan Karren Dai Yang, serta mahasiswa PhD Louis Cammarata dari Universitas Harvard dan kolaborator jangka panjang GV Shivashankar dari ETH Zurich di Swiss.

Di awal pandemi, semakin jelas bahwa Covid-19 rata-rata membahayakan pasien yang lebih tua daripada yang lebih muda. Tim Uhler bertanya-tanya mengapa. “Hipotesis umum adalah sistem kekebalan yang menua,” katanya. Tetapi Uhler dan Shivashankar menyarankan faktor tambahan: “Salah satu perubahan utama di paru-paru yang terjadi melalui penuaan adalah menjadi lebih kaku.” Jaringan paru-paru yang kaku menunjukkan pola ekspresi gen yang berbeda dibandingkan pada orang yang lebih muda, bahkan sebagai respons terhadap hal yang sama. sinyal. “Penelitian sebelumnya oleh lab Shivashankar menunjukkan bahwa jika Anda merangsang sel pada substrat yang lebih kaku dengan sitokin, serupa dengan yang dilakukan virus, mereka sebenarnya mengaktifkan gen yang berbeda,” kata Uhler.

“Jadi, itu memotivasi hipotesis ini. Kita perlu melihat penuaan bersama dengan SARS-CoV-2 – gen apa yang berada di persimpangan kedua jalur ini?” Untuk memilih obat yang disetujui yang mungkin bekerja pada jalur ini, tim beralih ke data besar dan kecerdasan buatan.

Para peneliti memusatkan perhatian pada kandidat penggunaan kembali obat yang paling menjanjikan dalam tiga langkah besar. Pertama, mereka membuat daftar besar kemungkinan obat menggunakan teknik pembelajaran mesin yang disebut autoencoder. Selanjutnya, mereka memetakan jaringan gen dan protein yang terlibat dalam penuaan dan infeksi SARS-CoV-2.

Akhirnya, mereka menggunakan algoritme statistik untuk memahami kausalitas dalam jaringan itu, memungkinkan mereka untuk menunjukkan gen “upstream” yang menyebabkan efek berjenjang di seluruh jaringan. Pada prinsipnya, obat yang menargetkan gen dan protein hulu tersebut harus menjadi kandidat yang menjanjikan untuk uji klinis.

Untuk menghasilkan daftar awal obat potensial, tim autoencoder mengandalkan dua kumpulan data utama pola ekspresi gen. Satu kumpulan data menunjukkan bagaimana ekspresi dalam berbagai jenis sel menanggapi berbagai obat yang sudah ada di pasaran, dan yang lainnya menunjukkan bagaimana ekspresi menanggapi infeksi SARS-CoV-2.

Autoencoder menjelajahi kumpulan data untuk menyoroti obat-obatan yang berdampak pada ekspresi gen tampaknya melawan efek SARS-CoV-2. “Penerapan autoencoder ini menantang dan membutuhkan wawasan dasar tentang cara kerja jaringan saraf ini, yang kami kembangkan dalam makalah yang baru-baru ini diterbitkan di PNAS,” catat Radhakrishnan.

Selanjutnya, para peneliti mempersempit daftar obat potensial dengan mencari jalur genetik utama. Mereka memetakan interaksi protein yang terlibat dalam jalur penuaan dan infeksi Sars-CoV-2.

Kemudian mereka mengidentifikasi area tumpang tindih di antara dua peta. Upaya itu menunjukkan dengan tepat jaringan ekspresi gen yang tepat yang dibutuhkan obat untuk melawan Covid-19 pada pasien lansia.

“Pada titik ini, kami memiliki jaringan yang tidak terarah,” kata Belyaeva, yang berarti para peneliti belum mengidentifikasi gen dan protein mana yang “upstream” (yaitu mereka memiliki efek berjenjang pada ekspresi gen lain) dan mana yang “downstream” ( yaitu ekspresi mereka diubah oleh perubahan sebelumnya dalam jaringan). Kandidat obat yang ideal akan menargetkan gen di ujung hulu jaringan untuk meminimalkan dampak infeksi.

“Kami ingin mengidentifikasi obat yang memiliki efek pada semua gen yang diekspresikan secara berbeda ini di bagian hilir,” kata Belyaeva. Jadi tim menggunakan algoritme yang menyimpulkan kausalitas dalam sistem yang berinteraksi untuk mengubah jaringan tak terarah mereka menjadi jaringan kausal. Jaringan kausal terakhir mengidentifikasi RIPK1 sebagai gen / protein target untuk obat Covid-19 potensial, karena memiliki banyak efek hilir.

Para peneliti mengidentifikasi daftar obat yang disetujui yang bekerja pada RIPK1 dan mungkin berpotensi untuk mengobati Covid-19. Sebelumnya obat ini telah disetujui untuk digunakan pada penyakit kanker. Obat lain yang juga diidentifikasi, termasuk ribavirin dan quinapril, sudah dalam uji klinis untuk Covid-19.

Uhler berencana membagikan temuan tim dengan perusahaan farmasi. Dia menekankan bahwa sebelum obat apa pun yang mereka identifikasi dapat disetujui untuk digunakan kembali pada pasien Covid-19 lansia, pengujian klinis diperlukan untuk menentukan kemanjuran. Sementara studi khusus ini berfokus pada Covid-19, para peneliti mengatakan kerangka kerja mereka dapat diperpanjang.

“Saya sangat senang bahwa platform ini dapat diterapkan secara lebih umum pada infeksi atau penyakit lain,” kata Belyaeva. Radhakrishnan menekankan pentingnya mengumpulkan informasi tentang bagaimana berbagai penyakit mempengaruhi ekspresi gen. “Semakin banyak data yang kami miliki di ruang ini, semakin baik ini bekerja,” katanya. (ANI)

Author : Lagu togel