Immagine: Credito: Gerd Altmann, Pixabay
Possiamo accelerare il processo di scoperta di anticorpi per combattere malattie virali altamente infettive come COVID-19?
I virus sono piccoli patogeni subdoli che possono provocare il caos nel corpo umano prima che il nostro sistema immunitario sappia come distruggerli. Armati di strumenti di apprendimento automatico, possiamo superarli “superando” anticipando il processo di sviluppo di anticorpi.
Nel suo laboratorio presso il Dipartimento di Ingegneria Meccanica della Carnegie Mellon University, Amir Barati Farimani sviluppa algoritmi in grado di dedurre, apprendere e prevedere i sistemi meccanici in base ai dati. Mentre studia una serie di argomenti dalla meccanica dei fluidi e del trasferimento di calore alla scoperta di materiali e impegnato nella ricerca robotica, affronta anche le sfide della salute umana e della bioingegneria.
Con lo scoppio della pandemia COVID-19, Barati Farimani ha rapidamente spostato l’attenzione del suo laboratorio su SARS-CoV-2. Avendo utilizzato in precedenza strumenti di machine learning (una branca dell’intelligenza artificiale che raccoglie un insieme di metodi, sviluppati a partire dagli ultimi decenni del XX secolo in varie comunità scientifiche, sotto diversi nomi quali: statistica computazionale, riconoscimento di pattern..) per studiare anticorpi per virus come Ebola e HIV, voleva “dare un’occhiata più da vicino” al nuovo coronavirus SARS-CoV-2.
Vedi anche: Cosa sapere sul farmaco antimalarico e sul trattamento SARS-CoV-2
Attualmente, gli scienziati usano modelli computazionali e basati sulla fisica per selezionare migliaia di sequenze di anticorpi. Costosi e dispendiosi in termini di tempo, questi modelli richiedono anche informazioni che non abbiamo ancora su SARS-CoV-2. “Questa sfida dimostra che l’apprendimento non solo può “imparare” le complesse interazioni antigene-anticorpo molto più rapidamente degli attuali metodi di screening, ma può anche battere il sistema immunitario umano in tempi di risposta”, ha detto Farimani.
Il team di ricerca ha combinato i dati biologici disponibili su altri virus infettivi in un set di dati che ha chiamato VirusNet. I ricercatori hanno quindi usato questo set per addestrare modelli di apprendimento automatico, associando il modello alle migliori prestazioni per selezionare migliaia di potenziali candidati anticorpali.
Il modello alla fine ha identificato otto anticorpi stabili che erano altamente efficienti nel neutralizzare SARS-CoV-2.
Spiegano i ricercatori:
” Le mutazioni virali veloci e non rintracciabili uccidono migliaia di persone prima che il sistema immunitario possa produrre l’anticorpo inibitorio. La recente epidemia del nuovo coronavirus SARS-CoV-2 ha infettato e ucciso migliaia di persone nel mondo. Metodi rapidi nella ricerca di sequenze di peptidi o anticorpi in grado di inibire gli epitopi virali di SARS-CoV-2 salveranno la vita di migliaia di persone. Abbiamo ideato un modello di machine learning (ML) per prevedere i possibili anticorpi sintetici inibitori per il nuovo coronavirus. Abbiamo raccolto 1933 sequenze virus-anticorpo e la loro risposta clinica alla neutralizzazione del paziente e addestrato un modello ML per prevedere la risposta anticorpale. Utilizzando la featurization di grafi con una varietà di metodi ML, abbiamo selezionato migliaia di ipotetiche sequenze di anticorpi e trovato 8 anticorpi stabili che potenzialmente inibiscono SARS-CoV-2. Abbiamo combinato simulazioni bioinformatica, biologia strutturale e dinamica molecolare (MD) per verificare la stabilità degli anticorpi candidati che possono inibire il virus Corona”.
I risultati di questo studio sono stati pubblicati in un rapporto preliminare sul server di prestampa bioRxiv di biologia in modo che altri ricercatori avranno accesso alle informazioni il prima possibile.
Il nostro obiettivo è salvare vite umane”, ha dichiarato Barati Farimani. “La condivisione dei nostri risultati preliminari ora aiuterà altri scienziati di tutto il mondo nel loro lavoro per combattere questo virus. Abbiamo lo stesso obiettivo”. Barati Farimani è Professore assistente di ingegneria meccanica presso la Carnegie Mellon University, dove dirige il laboratorio di meccanica e AI.
