Journal de bactériologie et parasitologie

Abstrait

Réutilisation de médicaments contre la COVID-19 grâce à l'apprentissage automatique

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

L'intégration de méthodes d'apprentissage automatique dans la bioinformatique offre des avantages particuliers pour identifier comment des thérapies efficaces dans un contexte pourraient être utiles dans un contexte clinique inconnu ou contre une nouvelle pathologie. Nous cherchons à découvrir les associations sous-jacentes entre les protéines virales et les thérapies antivirales efficaces contre elles en utilisant des modèles de réseaux neuronaux. En utilisant la base de données sur les protéines virales du National Center for Biotechnology Information et la base de données sur les virus des médicaments, qui fournit un rapport complet sur les agents antiviraux à large spectre (BSAA) et les virus qu'ils inhibent, nous avons formé des modèles ANN avec des séquences de protéines virales comme entrées et des agents antiviraux jugés sûrs pour l'homme comme sorties. La formation du modèle excluait les protéines du SARS-CoV-2 et n'incluait que les phases II, III, IV et les médicaments approuvés. L'utilisation de séquences pour le SARS-CoV-2 (le coronavirus qui cause la COVID-19) comme entrées dans les modèles formés produit des sorties de candidats antiviraux provisoires sûrs pour l'homme pour le traitement de la COVID-19. Nos résultats suggèrent plusieurs candidats médicaments, dont certains complètent les résultats récents d'études cliniques remarquables. Notre approche in silico du réemploi des médicaments est prometteuse pour identifier de nouveaux candidats médicaments et traitements contre d’autres infections virales, bactériennes et parasitaires.