Zeitschrift für Bakteriologie und Parasitologie

Abstrakt

Maschinenlernen als Grundlage für die Neuverwendung von Medikamenten gegen COVID-19

Semih Cantürk, Aman Singh, Jason Behrmann, Patrick St-Amant*

Die Integration von Methoden des maschinellen Lernens in die Bioinformatik bietet insbesondere Vorteile bei der Ermittlung, wie Therapeutika, die in einem Kontext wirksam sind, in einem unbekannten klinischen Kontext oder gegen eine neuartige Pathologie nützlich sein könnten. Unser Ziel ist es, die zugrunde liegenden Zusammenhänge zwischen viralen Proteinen und antiviralen Therapeutika, die gegen sie wirksam sind, durch den Einsatz neuronaler Netzwerkmodelle zu entdecken. Unter Verwendung der Virusproteindatenbank des National Center for Biotechnology Information und der Drug Virus-Datenbank, die einen umfassenden Bericht über Breitband-Antiviralmittel (BSAAs) und Viren, die sie hemmen, enthält, haben wir ANN-Modelle mit Virusproteinsequenzen als Eingaben und antiviralen Mitteln, die als für den Menschen sicher gelten, als Ausgabe trainiert. Das Modelltraining schloss SARS-CoV-2-Proteine ​​aus und umfasste nur Medikamente der Phasen II, III, IV und zugelassene Medikamente. Die Verwendung von Sequenzen für SARS-CoV-2 (das Coronavirus, das COVID-19 verursacht) als Eingaben für die trainierten Modelle führt zu Ergebnissen vorläufiger, für den Menschen sicherer antiviraler Kandidaten zur Behandlung von COVID-19. Unsere Ergebnisse deuten auf mehrere Medikamentenkandidaten hin, von denen einige die jüngsten Erkenntnisse aus bemerkenswerten klinischen Studien ergänzen. Unser In-silico-Ansatz zur Neuverwendung von Arzneimitteln ist vielversprechend für die Identifizierung neuer Arzneimittelkandidaten und Behandlungen für andere virale, bakterielle und parasitäre Infektionen.