机器学习有助于寻找Covid-19疗法

密歇根州立大学基金会教授Guowei Wei不是为全球健康危机的机器学习技巧做好准备。仍然，当一个人爆发时，他和他的团队准备有助于帮助。

该组已经有一个机器学习模型对SARS-CoV-2突变的后果进行预测。现在，魏的团队已经部署了另一个团队来帮助药物开发人员攻击病毒最引人注目的目标之一。研究人员于10月21日在同行评议杂志上分享了他们的情报化学科学。

在流感大流行之前，魏和他的团队已经在开发机器学习计算机模型——具体来说，模型使用的是被称为深度学习- 帮助拯救药物开发人员的时间和金钱。研究人员“列车”他们的深入学习模型，其中包含有关药物开发商想要与治疗剂靶向的蛋白质信息的信息。然后，模型可以预测有关未知数量的利益来帮助指导药物设计和测试。

在过去三年中，Spartans的模型一直是全球竞争系列的顶级表演者，可称为药物设计数据资源，或D3R，大挑战。然后covid-19来了。

“我们知道这将是糟糕的。中国关闭了一个拥有1000万人口的城市，”魏教授说，他是数学、电子和计算机工程系的教授。“我们手头有一项技术，我们知道这很重要。”

魏和他的团队已经重新定位了他们的深度学习模式，专注于特定的SARS-COV-2蛋白，称为主要蛋白酶。主要蛋白酶是冠状病毒蛋白质机制中的一个齿轮，对病原体如何进行自身复制至关重要。使这个齿轮失效的药物可以阻止病毒的复制。

使主要蛋白酶成为更吸引人的目标的是，它不同于所有已知的人类蛋白酶，但并非总是如此。因此，攻击病毒蛋白酶的药物不太可能破坏人体的自然生化反应。

SARS- cov -2主要蛋白酶的另一个优势是，它几乎与导致2003年SARS爆发的冠状病毒完全相同。这意味着药物开发人员和魏的团队并非完全从零开始。他们掌握了主要蛋白酶的结构和干扰蛋白质功能的被称为蛋白酶抑制剂的化合物的信息。

尽管如此，在了解这些蛋白酶抑制剂在何处与病毒蛋白结合以及如何紧密方面仍然存在差距。这就是斯巴达深度学习模型的由来。

魏教授的团队利用其模型预测了超过100种已知蛋白酶抑制剂的这些细节。魏说，这些数据还让研究小组对这些抑制剂进行了排序，并突出了最有前途的抑制剂，这对实验室和公司开发新药是非常有价值的信息。

“在药物发现活动的早期，你可能会有1000个候选药物，”魏说。魏教授解释说，通常情况下，所有的候选者都将进行动物临床前试验，然后也许最有希望的大约可以安全地推进到人体临床试验。

魏说，通过专注于最容易被蛋白酶最脆弱的地方吸引的药物，药物开发商可以从一开始就削减1000种药物，这样既省钱又能省几个月，甚至几年。

“这是一种帮助的方法药品开发人员优先考虑。他们不必浪费资源来检查每一个候选人，“他说。

但魏也有一个提醒。该团队的型号不会取代实验验证，临床前或临床试验的需求。在为患者提供多年之前，药物开发商仍然需要证明他们的产品是安全的。

因此，魏说，类似于免疫系统自然产生的冠状病毒的抗体治疗将很可能是在大流行期间批准的第一个疗法。然而，这些抗体靶向病毒的穗蛋白，而不是其主要蛋白酶。发展蛋白酶抑制剂这将为我们的军火库提供一个很好的补充来对抗一个致命的不断进化的敌人。

“如果开发人员想要设计一组新的药物，我们基本上表现出了他们需要做的事情，”魏说。

---

---