به گزارش ایسنا، با شروع شیوع بیماری همه گیر کووید- ۱۹ در اوایل سال ۲۰۲۰، پزشکان و پژوهشگران، تلاش خود را برای یافتن روش های درمانی مؤثر شروع کردند." کارولین اولر"( Caroline Uhler)، از پژوهشگران" دانشگاه ام آی تی "( MIT) خاطرنشان کرد:ساخت داروهای جدید، زمان بر است و تنها گزینه مناسب میتواند استفاده مجدد از داروهای موجود باشد.
اولر و گروهش، روشی مبتنی بر یادگیری ماشینی ابداع نموده اند که میتواند داروهای موجود در بازار که احتمال مقابله با کووید- ۱۹ را به خصوص در بزرگسالان دارند، شناسایی کند. این سیستم، تغییرات بیان ژن در سلول های ریه را که به واسطه بیماری و افزایش سن ایجاد می شوند ، بررسی می کند. شاید این کار، به پژوهشگران حوزه پزشکی امکان دهد تا با سرعت بیشتری به آزمایش بالینی داروها در بیماران مسن بپردازند که نشانه های شدیدتر بیماری را تجربه می کنند. پژوهشگران، پروتئین" RIPK1" را بعنوان یک هدف امیدوارکننده برای کووید- ۱۹ مشخص کردند و به شناسایی سه داروی تائید شده پرداختند که بر بیان RIPK1 تأثير می گذارند.
در آغاز همه گیری کووید- ۱۹ مشخص گردید که این بیماری، به افراد مسن تر بیش از جوانان آسیب می رساند. اولر و گروهش تمایل داشتند که علت آنرا مشخص کنند. اولر بیان کرد:فرضیه رایج، پیر شدن سیستم ایمنی بدن است اما عامل دیگر مؤثر در این موضوع میتواند یکی از تغییرات اساسی ریه باشد که به واسطه پیر شدن رخ می دهد. این تغییر، سفت شدن ریه است.
بافت ریه در حال سفت شدن ، الگوهای متفاوتی از بیان ژن را نسبت به ریه افراد جوان تر نشان می دهد. اولر ادامه داد :بررسی های پیشین نشان دادند که اگر سلول ها روی یک لایه سفت تر با سیتوکین تحریک شوند، شبیه به کاری که ویروس انجام می دهد، به ژن های متفاوتی تبدیل می شوند. ما باید پیر شدن را به همراه کروناویروس بررسی کنیم و به بررسی ژن ها در تلاقی این دو مسیر بپردازیم.
محققان برای انتخاب داروهای تائید شده که امکان دارد در این مسیرها عمل کنند، به داده های گسترده و هوش مصنوعی روی آوردند. آنها فهرست بزرگی از داروهای بالقوه را با کمک یک روش یادگیری ماشینی موسوم به" خودرمزگذار"( autoencoder) فراهم کردند. سپس به نقشه برداری از شبکه ژن ها و پروتئین هایی پرداختند که هم در عفونت های ناشی از پیر شدن و هم در عفونت های ناشی از کروناویروس نقش دارند. پژوهشگران نهایتا الگوریتم های آماری را به کار گرفتند تا روابط دلیل و معلولی شبکه را درک کنند و به شناسایی ژن هایی بپردازند که اثرات ناگهانی را در شبکه پدید می آورند. داروهایی که این دسته از ژن ها و پروتئین ها را هدف قرار میدهند ، میتوانند گزینه های امیدوارکننده ای برای آزمایش های بالینی باشند.
پژوهشگران برای تولید فهرست ابتدایی از داروهای احتمالی، به دو مجموعه کلیدی از الگوهای بیان ژن تکیه کردند. یکی از پایگاه داده ها نشان داد که چگونه بیان ژن در سلول های گوناگون، نسبت به طیف وسیعی از داروهای موجود در بازار واکنش نشان می دهد و چگونه یک پایگاه داده دیگر، نسبت به عفونت ناشی از کروناویروس واکنش نشان می دهد. خودرمزگذار به جستجو در پایگاه داده ها پرداخت تا داروهایی را مشخص کند که تأثير آنها بر بیان ژن، خنثی کردن اثرات کروناویروس است. این کاربرد خودرمزگذار، چالش برانگیز است و به بینش های اساسی در مورد شبکه های عصبی نیاز دارد.
محققان در مرحله بعدی، فهرست داروهای بالقوه را با ورود به مسیرهای اساسی ژنتیکی، محدود کردند. آن ها به نقشه برداری از پروتئین هایی پرداختند که در مسیرهای عفونت ناشی از پیری و ناشی از کروناویروس دخیل بودند. سپس نواحی تلاقی میان دو نقشه را شناسایی کردند. این تلاش، شبکه دقیق بیان ژن را مشخص کرد و نشان داد که دارویی برای مقابله با کووید- ۱۹ در بیماران مسن مورد نیاز است.
" آناستازیا بلیایوا"( Anastasiya Belyaeva)، از محققان این پروژه خاطرنشان کرد:ما می خواهیم دارویی را شناسایی کنیم که روی همه این ژن های متفاوت اثر بگذارد.
پژوهشگران از الگوریتم هایی استفاده کردند تا روابط علت و معلولی سیستم هایی را که در تعامل هستند، درک کنند. شبکه نهایی، RIPK1 را به عنوان یک پروتئین/ ژن مورد نظر برای داروهای بالقوه کووید- ۱۹ شناسایی کرد. پژوهشگران، فهرستی از داروهای تایید شده را شناسایی کردند که روی RIPK1 اثر دارند و ممکن است بتوانند کووید- ۱۹ را درمان کنند. این داروها پیشتر برای درمان سرطان تائید شده بودند. سایر داروهای شناسایی شده مانند" ریباویرین"( Ribavirin) و" کوئیناپریل"( Quinapril)، در حال حاضر در آزمایش های بالینی کووید- ۱۹ مورد بررسی قرار دارند.
این پژوهش، در مجله" Nature Communications" به چاپ رسید.
- 14
- 3
