딥 러닝은 코로나19를 퇴치하기 위한 신약 조합을 예측하는데 도움이 됩니다
Covid-19의 실존적 위협은 새로운 건강상의 우려에 대한 치료법을
개발하는 긴급한 필요성을 강조했습니다.
딥 러닝이 제공한 사치 중 하나는 바이러스의 위협을 따라잡고
적절한 데이터에 접근할 수 있는 한 전개에 맞춰 풍경을 변경할 수 있는 능력입니다.
모든 새로운 의학적 질병과 마찬가지로 데이터가 따라잡는데
시간이 걸리는 경우가 많으며 바이러스는 속도를 늦추는 데 시간이 걸리지 않기 때문에
즉시 변이하고 기존 약에 내성을 가질 수 있기 때문에 어려운 과제를 안고 있습니다.
빠르게 확산되는 SARS-CoV-2에 대한 올바른 시너지 효과가 있는 약 조합을
어떻게 알아낼 수 있을까요? 라고
이에 MIT CSAIL(컴퓨터 과학 및 인공 지능 연구소)과
Jameel Clinic for Machine Learning in Health의 과학자들은 다음과 같이 질문했습니다.
일반적으로 데이터 과학자들은 딥 러닝을 사용하여 암이나 심혈관 질환 등
기존의 대규모 데이터 세트와 약물의 조합을 선택하지만
데이터가 제한 된 새로운 질병에는 사용할 수 없습니다.
필요한 사실과 수치가 없다면 팀은 두가지 역할을 하는 신경망이라는
새로운 접근이 필요했습니다.
약물 상승 효과는 종종 생물학적 표현(단백질이나 핵산 등) 억제를 통해 발생하므로
모델은 약물-표적 상호작용과 약물-약물-약물 시너지 효과를 공동학습하고
새로운 조합을 찾습니다.
약물 표적 예측자는 약물의 항바이러스 활성을 이해하는 법을 배우는데
이는 감염조직 배양에서 바이러스 생산량을 결정하는 것을 의미합니다.
이는 두가지 약의 동반 상승 효과를 예측할 수 있습니다.
이 접근 방식을 사용하여 렘데시비르(현재 FDA에서 Covid-19 치료용으로 승인)와
레세르핀, 생물학적 분석에서 바이러스에 대해 강력한 것으로 입증된
렘데시비르 및 IQ-1S의 두 가지 새로운 약물 조합이 발견되었습니다.
최근 박사과정을 마친 매사추세츠공대(MIT)와 하버드대 포스트독에서
이 연구에 관한 새로운 논문의 주 집필자인 Wengong Jin SM'18은
"약물과 생물학적 표적 간의 상호작용을 모델링함으로써 조합 시너지 데이터 의존도를
크게 줄일 수 있을 것"이라고 말하며,
“고정기술자로서 약물-표적 상호작용을 사용하는 기존의 접근방식과는
대조적으로 우리 방법은 분자구조에서 약물-표적 상호작용을 예측하는 방법을 배웁니다.
이는 많은 화합물이 불완전한 약물-표적 상호작용 정보를 가지고 있기 때문에
유리합니다.” 라고 덧붙였습니다.
효능을 극대화하고 부작용을 감소시키기 위해 여러 종류의 약물을 사용하는 것은
결핵, 나병, 말라리아 등 다른 많은 암과 심혈관 질환에 사실상 보편적입니다.
대부분의 약제 내성 돌연변이는 상호 배타적이므로 전문적인 약제 칵테일을
사용함으로써 내성의 중대한 위협을 경감시키고
때로는 내성(메티실린 내성 포도상구균을 MRSA라고 부름)을 경감시킬 수 있습니다.
바이러스가 동시에 2개의 돌연변이를 일으키고
그 후 병용요법으로 2개의 약에 내성을 갖는 것은 훨씬 어렵습니다.
중요한 것은 이 모델이 하나의 SARS-CoV-2 변종에만 국한되지 않는다는 것입니다.
또한 잠재적으로 전염성이 증가하는 델타 변종 또는 발생할 수 있는 우려되는
다른 변종에도 사용될 수 있습니다.
이러한 균주에 대한 모델의 효능을 확장하려면 관련 돌연변이에 대한
추가 약물 조합 시너지 데이터만 필요합니다.
게다가, 팀은 HIV와 췌장암에 그들의 접근 방식을 적용했습니다.
앞으로 이들의 생물학적 모델링을 더욱 개선하기 위해 연구팀은 단백질과
단백질의 상호작용, 유전자 조절 네트워크 등 추가 정보를 통합할 계획입니다.
이들이 탐구하는 미래의 또 다른 방향은 능동적 학습으로 불리는 것입니다.
많은 약물 조합 모델은 제한 된 크기로 인해 특정 화학 공간에 편향되어 있으므로,
예측의 불확실성이 높습니다.
능동적 학습은 데이터 수집 프로세스를 안내하고 더 넓은 화학 공간에서
정확도를 향상시키는 데 도움이 됩니다.
출처:카지노사이트 플랫폼
