Crean herramienta para ayudar a investigadores a seleccionar moléculas en busca de propiedades anti-COVID

Un año después de la pandemia de COVID19, las vacunaciones masivas han comenzado a plantear la tentadora perspectiva de una inmunidad colectiva que eventualmente reduce o detiene la propagación del SARS-CoV-2. Pero, ¿qué pasa si la inmunidad colectiva nunca se logra por completo, o si el virus da lugar a variantes hipervirulentas que disminuyen los beneficios de la vacunación?

Esas preguntas subrayan la necesidad de tratamientos efectivos para las personas que continúan enfermas por el coronavirus. Si bien algunos medicamentos existentes muestran algún beneficio, existe una necesidad imperiosa de encontrar nuevas terapias.

Liderados por Tudor Oprea, MD, Ph.D. de la Universidad de Nuevo México, los científicos han creado una herramienta única para ayudar a los investigadores de drogas a identificar rápidamente moléculas capaces de desarmar el virus antes de que invada las células humanas o lo deshabilite en las primeras etapas de la infección.

En un artículo publicado esta semana en Nature Machine Intelligence, los investigadores presentaron REDIAL-2020, un conjunto de modelos computacionales en línea de código abierto que ayudará a los científicos a detectar rápidamente moléculas pequeñas en busca de sus posibles propiedades para combatir el COVID.

“Hasta cierto punto, esto reemplaza los experimentos (de laboratorio), dice Oprea, jefe de la División de Informática Traslacional de la Facultad de Medicina de la UNM.” Acota el campo en lo que la gente necesita enfocarse. Por eso lo pusimos en línea para que todos lo usen “.

El equipo de Oprea en la UNM y otro grupo en la Universidad de Texas en El Paso dirigido por Suman Sirimulla, Ph.D., comenzaron a trabajar en la herramienta REDIAL-2020 la primavera pasada después de que científicos del Centro Nacional para el Avance de las Ciencias Traslacionales (NCATS) publicaron datos. de sus propios estudios de reutilización de fármacos COVID.

“Al darme cuenta de esto, pensé: ‘Espera un minuto, aquí hay suficientes datos para que podamos construir modelos sólidos de aprendizaje automático'”, dice Oprea. Los resultados de los ensayos de laboratorio NCATS midieron la capacidad de cada molécula para inhibir la entrada, la infecciosidad y la reproducción del virus, como el efecto citopático, la capacidad de proteger una célula de la muerte por el virus.

Los investigadores de biomedicina a menudo tienden a centrarse en los hallazgos positivos de sus estudios, pero en este caso, los científicos de NCATS también informaron qué moléculas no tenían efectos de lucha contra los virus. La inclusión de datos negativos en realidad mejora la precisión del aprendizaje automático, dice Oprea.

“La idea era que identificáramos moléculas que se ajustaran al perfil perfecto”, dice. “Quieres encontrar moléculas que hagan todas estas cosas y no hagan las cosas que no queremos que hagan”.

El coronavirus es un adversario astuto, dice Oprea. “No creo que haya una droga que se ajuste a todo en una T”. En cambio, los investigadores probablemente idearán un cóctel de múltiples fármacos que ataque al virus en múltiples frentes. “Se remonta al golpe uno-dos”, dice.

REDIAL-2020 se basa en algoritmos de aprendizaje automático capaces de procesar rápidamente grandes cantidades de datos y detectar patrones ocultos que un investigador humano podría no percibir. El equipo de Oprea validó las predicciones de aprendizaje automático basadas en los datos de NCATS comparándolas con los efectos conocidos de los medicamentos aprobados en la base de datos DrugCentral de la UNM.

En principio, este flujo de trabajo computacional es flexible y podría entrenarse para evaluar compuestos contra otros patógenos, así como evaluar sustancias químicas que aún no han sido aprobadas para uso humano, dice Oprea.

“Nuestra intención principal sigue siendo la reutilización de fármacos, pero en realidad nos estamos centrando en cualquier molécula pequeña”, dice. “No tiene que ser un fármaco aprobado. Cualquiera que pruebe su molécula podría encontrar algo importante”.