担心新冠疫苗副作用？再等等，MIT利用机器学习来寻找新冠治疗新方案

当新冠疫情刚刚爆发时，各方的医疗和研究人员都埋头从零开始研发疫苗。而麻省理工学院电气工程与计算机科学系和数据，系统与社会研究所的计算生物学家，麻省理工学院与哈佛大学广泛合作的成员Caroline Uhler说：“唯一权宜之计是重新利用现有药物。”

近日，Uhler的团队现已开发出一种基于机器学习的方法，以识别市场上已有的药物，这些药物可能会被重新用于帮助老年人对抗新冠病毒。这个途径可以使医学专家更快地寻找倾向于经历更严重症状的老年患者进行临床测试的药物。

该研究发表在《自然通讯》杂志上。合著者包括麻省理工学院的博士生Anastasiya Belyaeva，Adityanarayanan Radhakrishnan，Chandler Squires和Karren Dai Yang，以及哈佛大学的博士生Louis Cammarata和瑞士苏黎世联邦理工学院的长期合作者GV Shivashankar。

在大流行初期，新冠病毒对老年患者的伤害平均要比年轻患者大。针对这一现象，普遍的假设是由于免疫系统老化引起的。但是Uhler和Shivashankar提出了另一个假设：衰老导致的肺部变硬。

刚硬的肺组织即使在响应相同信号的情况下也显示出与年轻人不同的基因表达模式。Uler针对这一假设，开始研究在新冠病毒和衰老在基因上的交叉点。为了更准确地筛选可能起作用的已获批准的药物，研究小组转向了大数据和人工智能。

研究人员分三步确定了最有希望的候选药物。首先，他们使用称为自动编码器的机器学习技术生成了大量可能的药物。接下来，他们绘制了与衰老和SARS-CoV-2感染有关的基因和蛋白质网络。最后，他们使用统计算法来了解该网络中的因果关系，从而使他们能够查明在整个网络中引起连锁效应的“上游”基因（即它们对其他基因的表达具有连锁效应）。原则上，靶向那些上游基因和蛋白质的药物应成为临床试验的有希望的候选者。

Belyaeva说：“在初筛的时候，我们的网络是无向的，这意味着研究人员尚未确定哪些基因和蛋白质是“上游”的，哪些是“下游”的（其表达方式会因网络中的先前更改而发生更改）。理想的候选药物应将基因靶向网络的上游末端，以最大程度地减少感染的影响。

研究团队想鉴定一种对下游所有这些差异表达基因有影响的药物。因此，该团队使用了在交互系统中推断因果关系的算法，以将其无向网络变成因果网络。最终的因果网络将RIPK1确定为潜在新冠病毒治疗药物的靶基因/蛋白质，因为它具有许多下游作用。研究人员确定了一系列作用于RIPK1的批准药物，这些药物可能具有治疗新冠病毒的潜力。此前，这些药物已被批准用于癌症。还确定了其他药物，包括利巴韦林和奎那普利，已经在Covid-19的临床试验中。

尽管这项特殊的研究集中在新冠病毒上，但研究人员表示他们的框架是可扩展的。Radhakrishnan强调收集有关各种疾病如何影响基因表达的信息的重要性。他说：“我们在这个空间中拥有的数据越多，效果越好。”