英劍橋大學機器學習建構COVID-19蛋白質感染圖譜 加速老藥新用臨床開發

撰文記者 彭梓涵
日期2021-07-01
EnglishFrenchGermanItalianPortugueseRussianSpanish
(圖片來源:網路)
6月30日,英國劍橋大學(University of Cambridge) Milner 治療研究所發表在 《Science Advances》期刊的一項研究,利用計算生物學和機器學習,創建了新冠病毒(COVID-19)的蛋白質感染圖譜,並從近2000多種已批准的藥物中,篩選出200種具有對抗COVID-19潛力的藥物,其中有40種藥物目前正在進行COVID-19臨床試驗,研究者認為該套系統有望加速老藥進入臨床,以對抗當前與未來大流行。
 
研究者表示,現在大多數已批准治療COVID-19或正在進行臨床試驗的小分子藥物與抗體藥物,其治療策略皆集中在病毒與宿主的關鍵目標,以進行干預性治療。
 
研究團隊因此利用目前COVID-19多體學(multiomics)數據集,在感染後近15,000個蛋白質、53,000個蛋白質間交互作用的結果,進行全面分析以建構出COVID-19誘導蛋白質(SIP)相互作用的圖譜。
 
接著研究人員再對1917種已批准的藥物進行交叉比對,這1917種藥物主要適應症為癌症、糖尿病、免疫疾病、感染性疾病、炎症/風濕性疾病等,研究人員利用機器學習技術,從中篩選出200種可能對COVID-19有效的批准藥物。
 
此200種藥物又分為九種不同途徑,但主要作用在兩大機制,包括126種藥物可針對病毒複製機制作用,另外74種則是對免疫反應產生作用,其中已有40種藥物目前正在進行COVID-19臨床試驗,
 
而研究人員在對病毒複製的藥物子集中,在細胞實驗驗證下,也發現有兩種藥物,可有效抑制病毒的複製,這兩種藥分別為瘧疾藥物氯胍(proguanil) 、和類風溼性關節炎藥物柳氮磺吡啶(sulfasalazine)。
 
領導這項研究的教授Tony Kouzarides表示,透過觀察數千種COVID-19感染後的蛋白變化,我們創建了一個COVID-19的蛋白質相互作用關係圖譜,接著再利用機器學習技術篩選出潛力藥物,這些藥物甚至有160種過去都與感染無關,這套平台有潛力作為未來對抗病毒,得以快速提供候選藥物的「軍火庫」他形容。
 
資料來源:https://medicalxpress.com/news/2021-06-scientists-drugs-repurposed-covid-.html