Bilgisayar Modellemesiyle COVID-19 Tedavisine Yönelik Önemli Adımlar

Yapay zeka yazılımı COVID-19’un tedavisinin keşfedilmesine önemli katkılarda bulunuyor. Yeni bir yapay zeka öğrenme modeli (deep-learning), ilaçlarla insan genleri etkileşimini değerlendirerek, COVID-19 tedavisinde umut vaad eden en az 10 bileşik saptadı.

Bu bileşiklerden sekizi araştırmaya değer bulunarak, halen hepatit C, mantar enfeksiyonları, kanser ve kalp hastalığı üzerinde ilaç olarak take a look at edilmekteler. Denenen ilaçlar arasında organ nakli yapılanlarda organ reddine karşı kullanılan ‘siklosporin‘ ve mantar ilacı ‘anidulafungin‘ de var.

Keşif bilgisayar bilimcilerinden kaynaklandığı için bu bileşiklerin COVID-19 tedavisinde kullanımının güvenli ve etkin olup olmadığının anlaşılmasından çok uzaktayız. Bu noktaya bir yapay zeka modeliyle ulaşılması yüzünden bilim insanlarının bunları araştırmaya zaman ve para harcamaktan kaçınacaklarını düşünmüyoruz, çünkü COVID-19 ilacının bulunabilme olasılığı söz konusu.

Ohio State Üniversitesi ‘Pc Science and Engineering and Biomedical Informatics’  bölümünde yardımcı doçent olan  araştırmacı Ping Zhang ”kimsenin bilgi sahibi olmadığı yeni bir hastalık söz konusu ise yapay zeka modellemesi olası tedavi yöntemi için bir çözüm olabilir” diyor.

Çalışma 1 Şubatta ‘Nature Machine Intelligence‘ dergisinde yayınlandı. Araştırmacılar oluşturulan modelin önerdiği aday bileşiklerden bir kaçının COVID-19 hastalarının tedavisinde halen denendiğine vurgu yapıyorlar. Zhang diyor ki; ”yüksek beyinler benzer şekilde işler. Yapay zekanın önerdiği bileşiklerden bazıları daha sonra insan zekasıyla da saptandı”.

Zhang ve arkadaşları kullanılan modelin dizaynını Mayıs 2020 de tamamlamıştı. Ancak sadece COVID-19 hastalarının genlerinin virüse nasıl yanıt verdiği ile ilgili ayrıntıları içeren makalelerini yayımlamışlardı. Yayımladıkları yeni veriler ise bilgisayar modellemesinin yetkinliğini gösterme açısından önemli bir take a look at olacak. Araştırmacılar bu modeli ”DeepCE”  olarak adlandırıyorlar. Böylece adının okunuşu ”deep sea” gibi oluyor.

Genler ile ilaç etkileşimlerini değerlendirerek yeni ilaç önermeleri yapan DeepCE modellemesi, herkes için ulaşılabilir olan iki veri kaynağını kullanıyor: bunlardan birisi L1000 olarak bilinen ‘Nationwide Institute of Well being’  tarafından desteklenen  bir sitede bulunan insan hücre serisinin ilaç-gen yanıtı verileri olurken, diğeri onaylanmış ve araştırma aşamasındaki 11.000 molekülün yapısı hakkındaki kayıtları içeren ‘DrugBank‘.

L1000, insan hücre kültürünün standart gen ekspresyonları ile ilaç etkisi altında oluşan gen ekspresyon değişikliklerine ait verileri içermekte. Hücre kültürleri, organların (örneğin böbrek, akciğer vb.) ya da melanoma gibi hastalıkların deneysel temsicileridir. Halen devam etmekte olan bir projeyle, hücre kültürlerindeki gen ekspresyon değişikliklerine eklenmek üzere, deneysel hayvan ve insan gen ekspresyonlarındaki değişikliklerde bu verilere aktarılmakta.

Ohio State Üniversitesi araştırmacıları tüm L1000 ‘knowledge’sıyla DeepCE modelini işletirlerken, belirlenmiş kimyasal bileşikler ve bunların dozlarına karşı oluşturulmuş bir algoritma kullanmışlar. Information eksikliklerinin tamamlanması için kimyasal bileşik tanımlarını ‘figürlere’ çeviren mannequin, kendiliğinden, farklı bileşiklerin gen ekspresyonu üzerindeki etkisini yorumlayabilmektedir. Ekip, L1000‘de tanımı olmayan genler için, ‘consideration mechanism’  olarak bilinen deep-learning yaklaşımı kullanmışlar. Bu yöntem ile gen-bileşik ilişkisinin öğrenilmiş örneklerinin kullanımı arttırılarak sistemin verimliliği yükseltilmiş.

Ohio State Üniversitesi laboratuvarlarında ‘Yapay Zeka’ uygulama yöneticisi olan Zhang ”bu yolla, çok amaçlı öğrenim verileri elde edildi ki; bunlar sadece hücre hücre tanımlanan gen ekspresyon değerlerini değil, bir ilacın farklı hücre kültürleri üzerindeki gen ekspresyon değerlerini veriyordu” diyor ve ekliyor: ”ilaç ile oluşturulan gen ekspresyon değişikliklerinin bilgisayar aracılı simulasyonu gerçekçi değerler sağlıyor”.

”Öykümüzün bu noktada durması gerekiyordu- bir tatil arası verme noktasındaydık. Ancak COVID-19 geldi ve biz araştırmamızın tedavisinde yararlı olabileceği umuduna kapıldık. Böylece biz COVID-19 ilacı için spesifik bir olgu çalışması yapmış olduk”.

Çalışma takımı DeepCE‘nin gen ekspresyon matriksini, akciğer hava yolları hücre serileriyle ilgili DrugBank ilaç verilerine, COVID-19 ile ilgili yayınlara ve kurumsal ek verilere odakladı. COVID-19 verileri, SARS-CoV-2 virüsüyle enfekte olan hücrelerdeki gen ekspresyon değişiminin bir tür hastalık ”damgası” taşıdığını ortaya koydu.

Zhang; ”Bilinen ilaçların yaptığı hücresel gen ekspresyon değişikleri temel alındı ve COVID-19 olgusundaki değişiklikler, L1000 veri bankasındaki henüz denenmemiş kimyasal bileşiklere tatbik edildi. Böylece toplumdaki COVID-19 hasta profillerine karşı oluşan tahmini ilaç ”damgaları” da saptanmış oldu” diye açıklıyor.

”Hastalık ve ilaç ”damgaları” belirlendikten sonra, işimiz kolay. Her nerede hastalık ve ilaç gen ekspresyon değişikliği birbirinin zıddıysa, bu o ilacın hastalığın yol açacağı değişimi düzelteceğini düşündürür, yani tedavi edebilecek bir ilaç bulmuş olursunuz”.

Bu mannequin, Zhang’ın daha önce yayınladığı ilaç-öngörü verilerini temel alan klinik denemeler için de teşvik edici bir etki yapmış.

Zhang ”farklı çalışmalardan ilaç-öngörüleri ve ilaç-hastalık ilişkilerinin verilerini kapsayan bir araştırma ajandası oluşturmak istiyorum. Hastalıklar için -ve hatta henüz bilinmeyen hastalıklar için, yeni ilaç tedavileri geliştirme alanında bizimle işbirliği yapacak araştırmacılarla çalışmak istiyoruz” diye ekliyor.

Bilgisayar Modellemesiyle COVID-19 Tedavisine Yönelik Önemli Adımlar

Kaynak: https://www.bizsiziz.com/computer-model-makes-strides-in-search-for-covid-19-treatments/

Çeviri: Dr. Gökhan Üçkaya

Bilgisayar Modellemesiyle COVID-19 Tedavisine Yönelik Önemli Adımlar

https://www.osu.edu/