V boji proti nemoci COVID-19 pomáhá umělá inteligence. K testování vědci z Masarykovy univerzity a Mezinárodního centra klinického výzkumu Fakultní nemocnice u sv. Anny v Brně (FNUSA-ICRC) využili vlastní software a našli několik léčiv, která mohou virus blokovat.

„Pomocí vlastního software CaverDock jsme se zaměřili na počítačové studium proteinu, který je klíčový v šíření viru SARS-CoV-2 v lidském organismu," popsal Jiří Damborský z Přírodovědecké fakulty MU a vedoucí výzkumného týmu Proteinové inženýrství FNUSA-ICRC. Jde o virový glykoprotein S, jehož trimer (molekula ze tří monomerů) tvoří výběžky obalu koronaviru SARS-CoV-2 a váže se na lidské hostitelské buňky.

Celosvětová pandemie nemoci COVID-19 ovlivnila životy milionů lidí na celém světě. Vědecké týmy zabývající se výzkumem v oblasti zdravotnictví často radikálně změnily své plány a vrhly velkou část své kapacity na výzkum tohoto onemocnění s cílem co nejrychlejšího nalezení účinné pomoci. Se zajímavou iniciativou přišli vědci z Loschmidtových laboratoří Přírodovědecké fakulty MU, Ústavu výpočetní techniky MU, výzkumného centra RECETOX a FNUSA-ICRC.

Výzkumníci provedli u 4 359 schválených léků tzv. virtuální screening, aby zjistili jejich účinnost na tento konkrétní protein.

„V tomto projektu jsme námi vyvíjený program CaverDock poprvé použili ke studiu takto vysokého počtu molekul. Program prokázal vynikající, prakticky stoprocentní robustnost, a tím se zařadil mezi nejspolehlivější nástroje ve své kategorii," uvedl autor algoritmů Jiří Filipovič z Ústavu výpočetní techniky MU. Program CaverDock byl vyvinut díky podpoře interní grantové agentury MU financující interdisciplinární výzkum a je poskytován široké uživatelské komunitě národní infrastrukturou ELIXIR.CZ.

CaverDock je softwarový nástroj pro rychlou analýzu transportních procesů v proteinech ^1,2.

Moduluje transport ligandu - substrátu, produktu, inhibitoru, kofaktoru nebo pomocného rozpouštědla - z vnějšího prostředí do aktivního nebo vazebného místa proteinu a naopak.

„Provedli jsme hned několik simulací změn molekulového uspořádání tohoto proteinu tak, abychom zjistili, který ze známých léků by mohl mít největší účinnost," uvedl Gaspar Pinto z Loschmidtových laboratoří MU a FNUSA-ICRC. Jelikož podobný postup generuje enormní množství dat, využívají se metody strojového učení a umělá inteligence pro jejich analýzu. „Podali jsme také grantovou žádost do programu firmy Microsoft pro použití cloudu Azure," dodal Pinto.

Na základě těchto výpočtů již bylo navrženo několik schválených léčiv, které mohou blokovat funkci tohoto proteinu a zabránit tak vazbě viru na lidskou hostitelskou buňku. „Umělá inteligence dokáže také nabídnout nové struktury léků, které by se vázaly na protein ještě účinněji," upozornil Pinto. Podle něj jde o novou oblast výzkumu nemoci COVID-19, kdy se tvoří softwarová řešení pro urychlení vývoje nových léků.

Zdroje a reference: www.em.muni.cz/veda-a-vyzkum, RECETOX MUN, ELIXIR.CZ

1. Vavra, O., Filipovic, J., Plhak, J., Bednar, D., Marques, SM, Brezovsky, J., Stourac, J., Matyska, L., Damborsky, J., 2019: CaverDock: A Molecular Dokovací nástroj pro analýzu transportu ligandů prostřednictvím proteinových tunelů a kanálů. Bioinformatika . DOI: 10.1093 / bioinformatika / btz386

2. Filipovic, J., Vavra, O., Plhak, J., Bednar, D., Marques, SM, Brezovsky, J., Matyska, L., Damborsky, J., 2019: CaverDock: Nová metoda pro rychlou analýzu Ligand Transport. Transakce IEEE / ACM v oblasti výpočetní biologie a bioinformatiky . DOI: 10.1109 / TCBB.2019.2907492 .