通过神经网络预测抗新冠病毒药物协同作用

麻省理工学院（MIT）的一项新研究可以为医护人员提供有效治疗新冠病毒-19患者所需的信息。最近，在美国国家科学院院刊的发布中，该研究开发了一个深度学习模型，该模型确定了对抗病毒的最佳药物组合，尽管数据相对有限。

“通常，研究人员利用癌症和心血管疾病等大型现有数据集建立深度学习模型，但这些模型无法用于数据有限的新疾病。我们的工作表明，我们可以通过整合不同种类的生物学知识来克服数据匮乏的挑战，”主要作者金文功说，博德研究所埃里克和温迪·施密特中心博士后助理，麻省理工学院博士。

随着大量美国人未接种疫苗，突破性病例不断增加，变异威胁迫在眉睫，有效的药物组合仍然是缓解新冠病毒 -19 的核心。抗病毒药物、治疗性单克隆抗体和皮质类固醇等治疗选择已被证明是有效的。但关于最佳治疗组合的问题还不清楚，同时也限制了可能的副作用。

了解这些药物协同作用可以帮助患者更快地康复，增加生存的可能性，并减轻医院资源的压力。

训练深度学习算法以识别治疗疾病有效的药物组合通常需要大量数据集。作为一种与癌症、艾滋病毒或心脏病等疾病相比数据较少的新病毒，新冠病毒 -19 对模型开发提出了更大的挑战。

研究人员采用一种新的双管齐下的方法，创建了一种能够处理有限数据的方法。首先，研究小组训练了一个神经网络来预测药物是否会与生物靶点结合。这些靶点通过为药物创造一个结合和抑制疾病生长的场所，在药物治疗中发挥着重要作用。对于新冠病毒 -19 ，这些靶点包括参与病毒复制的酶和蛋白质。

基于药物的分子结构和疾病的生物靶点，一个模型还可以计算单一药物的抗病毒效果。基于此信息，协同预测模型结合计算药物治疗的效力，确定最有效的组合。

神经网络模型采用 NVIDIA GPU 和cuDNN加速深度学习框架来训练和处理数据。通过 88 种不同的治疗方案，研究小组确定了两种主要的对抗病毒药物：抗病毒药物 remdesivir 与高血压药物利血平联合使用，以及 remdesivir 与 IQ-1S （一种激酶抑制剂）联合使用

图 1 ComboNet 接受药物组合协同作用、单药抗病毒活性和药物 – 靶点相互作用数据方面的培训。资料来源： Jin 等人/ PNAS

该模型也适用于其他病原体。据金说，研究小组一直在与美国国立卫生研究院合作，寻找治疗胰腺癌的药物组合。

关于作者

Michelle Horton 是 NVIDIA 的高级开发人员通信经理，拥有通信经理和科学作家的背景。她在 NVIDIA 为开发者博客撰文，重点介绍了开发者使用 NVIDIA 技术的多种方式。

审核编辑：郭婷