یادگیری ماشین به دنبال گزینه درمانی برای کووید-19 است

به گزارش «نبض فناوری»، کارولین اولر زیست شناس محاسباتی در گروه مهندسی برق و علوم کامپیوتر MIT سیستم ها و جامعه گفت: «ساخت داروهای جدید زمان بر و تنها گزینه مصلحتی استفاده مجدد از داروهای موجود است.»

تیم اولر اکنون رویکردی مبتنی بر یادگیری ماشین جهت شناسایی داروهای موجود در بازار ایجاد کرده که می تواند به طور بالقوه برای مبارزه با کووید-19، به ویژه در افراد مسن مورد استفاده قرار گیرد.

 این سیستم تغییرات بیان ژن در سلول های ریه را که هم به دلیل بیماری و هم افزایش سن ایجاد شده بررسی کردند. این ترکیب به متخصصان پزشکی اجازه دهد با سرعت بیشتری به دنبال داروهایی برای آزمایش بالینی در بیماران مسن با علائم شدیدتر باشند.

محققان پروتئین RIPK1 را به عنوان هدفی امیدوار کننده برای داروهای کووید-19 مشخص کردند و سه داروی مورد تایید عمل کننده روی بیان RIPK1 را شناسایی کردند.

محققان در ابتدا لیستی از داروهای احتمالی را با استفاده از روش یادگیری ماشین به نام خود رمزگذار تولید کردند. آنها شبکه ژن ها و پروتئین های درگیر در پیری و عفونت SARS-CoV-2 را ترسیم کردند. سرانجام از الگوریتم های آماری برای درک علیت در آن شبکه استفاده کردند؛ که این روش به آنها این امکان را داد تا ژن های بالادستی باعث اثرات ناگهانی در شبکه را مشخص کنند. در اصل داروهایی که آن ژن ها و پروتئین های بالادستی را هدف قرار می دهند، باید گزینه های امیدوار کننده ای برای آزمایشات بالینی باشند.

این تحقیقات در مجله Nature Communications منتشر شده است.