Jornal de Bacteriologia e Parasitologia

Abstrato

Reaproveitamento de medicamentos baseado em aprendizado de máquina para COVID-19

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

A integração de métodos de aprendizado de máquina em bioinformática fornece benefícios específicos na identificação de como terapêuticas eficazes em um contexto podem ter utilidade em um contexto clínico desconhecido ou contra uma nova patologia. Nosso objetivo é descobrir as associações subjacentes entre proteínas virais e terapêuticas antivirais que são eficazes contra elas empregando modelos de rede neural. Usando o banco de dados de proteínas virais do National Center for Biotechnology Information e o banco de dados Drug Virus, que fornece um relatório abrangente de Broad-Spectrum Antiviral Agents (BSAAs) e vírus que eles inibem, treinamos modelos ANN com sequências de proteínas virais como entradas e agentes antivirais considerados seguros em humanos como saídas. O treinamento do modelo excluiu proteínas SARS-CoV-2 e incluiu apenas Fases II, III, IV e medicamentos de nível aprovado. Usar sequências para SARS-CoV-2 (o coronavírus que causa COVID-19) como entradas para os modelos treinados produz saídas de candidatos antivirais provisórios seguros em humanos para tratar COVID-19. Nossos resultados sugerem vários candidatos a medicamentos, alguns dos quais complementam descobertas recentes de estudos clínicos notáveis. Nossa abordagem in silico para reaproveitamento de medicamentos é promissora na identificação de novos candidatos a medicamentos e tratamentos para outras infecções virais, bacterianas e parasitárias.