Micrograf\u00eda electr\u00f3nica de transmisi\u00f3n de part\u00edculas del virus SARS-CoV-2, aisladas de un paciente. Imagen capturada y coloreada en el Centro de Investigaci\u00f3n Integrada (IRF) del NIAID en Fort Detrick, Maryland. Cr\u00e9dito: NIAID <\/p>\n
Un nuevo modelo de aprendizaje profundo que puede predecir c\u00f3mo interactuar\u00e1n los genes humanos y los medicamentos ha identificado al menos 10 compuestos que pueden ser prometedores como tratamientos para el COVID-19. <\/p>\n
Todos los medicamentos, excepto dos, todav\u00eda se consideran en fase de investigaci\u00f3n y se est\u00e1 probando su eficacia contra la hepatitis C, enfermedades f\u00fangicas, c\u00e1ncer y enfermedades card\u00edacas. La lista tambi\u00e9n incluye los medicamentos aprobados ciclosporina, un inmunosupresor que previene el rechazo de \u00f3rganos trasplantados, y anidulafungina, un agente antif\u00fangico.<\/p>\n
El descubrimiento fue realizado por cient\u00edficos inform\u00e1ticos, lo que significa que se necesita mucho m\u00e1s trabajo antes de que cualquiera de estos medicamentos se confirmar\u00edan como tratamientos seguros y efectivos para personas infectadas con SARS-CoV-2. Pero al usar inteligencia artificial para llegar a estas opciones, los cient\u00edficos han ahorrado a los investigadores cl\u00ednicos y farmac\u00e9uticos el tiempo y el dinero que se necesitar\u00eda para buscar posibles medicamentos contra el COVID-19 de forma fragmentada.<\/p>\n
\u00abCuando nadie tiene informaci\u00f3n sobre una nueva enfermedad, este modelo muestra c\u00f3mo la inteligencia artificial puede ayudar a resolver el problema de c\u00f3mo considerar un posible tratamiento\u00bb, dijo el autor principal Ping Zhang, profesor asistente de inform\u00e1tica e ingenier\u00eda e inform\u00e1tica biom\u00e9dica en la Universidad Estatal de Ohio. <\/p>\n
Los investigadores se\u00f1alaron en el art\u00edculo que algunos de los candidatos de reutilizaci\u00f3n que gener\u00f3 el modelo ya se han estudiado para su uso potencial en pacientes con COVID-19.<\/p>\n
\u00abLas grandes mentes piensan igual, algunas lideran compuestos identificados por la inteligencia artificial coinciden con los descubrimientos posteriores de la inteligencia humana\u00bb, dijo Zhang.<\/p>\n
La investigaci\u00f3n se publica hoy (1 de febrero) en Nature Machine Intelligence.<\/p>\n
Zhang y sus colegas hab\u00edan complet\u00f3 la moda el dise\u00f1o de el en mayo de 2020, justo cuando se publicaban los primeros art\u00edculos que detallaban c\u00f3mo los genes de los pacientes con COVID-19 respond\u00edan al virus. La nueva informaci\u00f3n proporcion\u00f3 una prueba importante para el modelo inform\u00e1tico, que los investigadores llaman \u00abDeepCE\u00bb, pronunciado \u00abDeep Sea\u00bb.<\/p>\n
Para hacer predicciones sobre c\u00f3mo interactuar\u00e1n los genes y los medicamentos y producir\u00e1n candidatos para la reutilizaci\u00f3n de f\u00e1rmacos, DeepCE se basa en en dos fuentes primarias de datos disponibles p\u00fablicamente: L1000, un dep\u00f3sito de datos de l\u00edneas celulares humanas financiado por los Institutos Nacionales de la Salud que muestra c\u00f3mo cambia la expresi\u00f3n g\u00e9nica en respuesta a los medicamentos, y DrugBank, que contiene informaci\u00f3n sobre las estructuras qu\u00edmicas y otros detalles sobre 11,000 medicamentos aprobados y en investigaci\u00f3n.<\/p>\n
L1000 muestra comparaciones de l\u00edneas celulares lado a lado de la actividad de expresi\u00f3n g\u00e9nica est\u00e1ndar con cambios en la expresi\u00f3n g\u00e9nica producidos por interacciones con medicamentos espec\u00edficos. Las l\u00edneas celulares representan enfermedades, como el melanoma, y \u00f3rganos, como los ri\u00f1ones y los pulmones. Es un proyecto en curso, con datos que se agregan a medida que los experimentos en animales o humanos complementan los perfiles de expresi\u00f3n g\u00e9nica producidos en los experimentos de l\u00edneas celulares.<\/p>\n
Los investigadores del estado de Ohio entrenaron el modelo DeepCE ejecutando todos los datos L1000 a trav\u00e9s de un algoritmo contra compuestos qu\u00edmicos espec\u00edficos y sus dosificaciones. Para llenar los vac\u00edos de datos, el modelo convierte las descripciones de los compuestos qu\u00edmicos en cifras, lo que permite la consideraci\u00f3n autom\u00e1tica de los efectos de sus componentes separados en los genes. Y para los genes no representados en L1000, el equipo utiliz\u00f3 un enfoque de aprendizaje profundo llamado \u00abmecanismo de atenci\u00f3n\u00bb para aumentar la muestra \u00abaprendida\u00bb del modelo de interacciones entre genes y compuestos qu\u00edmicos, lo que mejora el rendimiento del marco.<\/p>\n
\u00bb De esta manera, el resultado demuestra el aprendizaje multitarea: podemos predecir valores de expresi\u00f3n g\u00e9nica para nuevos qu\u00edmicos no de una c\u00e9lula a otra, sino predecir autom\u00e1ticamente el papel de un f\u00e1rmaco en diferentes l\u00edneas celulares y diferentes genes\u00bb, dijo Zhang, quien dirige la Inteligencia Artificial en Medicine Lab y es miembro principal de la facultad en el Translational Data Analytics Institute en Ohio State. \u00abPodemos usar la computadora para simular la expresi\u00f3n g\u00e9nica inducida por drogas. Esto proporciona un valor real\u00bb.<\/p>\n
\u00abLa historia deber\u00eda terminar aqu\u00ed: aqu\u00ed es donde est\u00e1bamos durante las vacaciones de primavera. Pero luego lleg\u00f3 COVID-19, y nosotros Esper\u00e1bamos que nuestra investigaci\u00f3n pudiera ayudar, por lo que hicimos un estudio de caso especial para la reutilizaci\u00f3n de medicamentos contra el COVID-19\u00bb.<\/p>\n
El equipo aplic\u00f3 la matriz de predicci\u00f3n de expresi\u00f3n g\u00e9nica de DeepCE, centr\u00e1ndose en datos de l\u00edneas celulares de pulm\u00f3n y v\u00edas respiratorias y todo el cat\u00e1logo de DrugBank de compuestos a la informaci\u00f3n gen\u00e9tica provista de los primeros documentos de COVID-19 y datos gubernamentales adicionales. Los datos de COVID-19 demostraron c\u00f3mo la expresi\u00f3n g\u00e9nica humana hab\u00eda respondido a la infecci\u00f3n por SARS-CoV-2, creando una \u00abfirma de la enfermedad\u00bb.<\/p>\n
\u00abBasado en los cambios de expresi\u00f3n g\u00e9nica conocidos que han ocurrido y se han identificado con medicamentos conocidos, lo aplicamos a la expresi\u00f3n g\u00e9nica en cuesti\u00f3n, en este caso, compuestos que se est\u00e1n estudiando pero que a\u00fan no se han experimentado en L1000. Colocamos tales \u00abfirmas de medicamentos\u00bb predichas contra los perfiles de pacientes con COVID-19 a nivel de poblaci\u00f3n\u00bb. Zhang dijo.<\/p>\n
\u00abUna vez que puede identificar ambas firmas, el trabajo es f\u00e1cil. Siempre que encontremos la enfermedad y un f\u00e1rmaco muestre perfiles de expresi\u00f3n g\u00e9nica opuestos, lo que sugiere que el f\u00e1rmaco revertir\u00eda los efectos de la enfermedad, tiene encontrado un f\u00e1rmaco que puede tratar la enfermedad\u00bb.<\/p>\n
Este modelo complementa un modelo de reutilizaci\u00f3n de f\u00e1rmacos que Zhang describi\u00f3 en un art\u00edculo reciente que simula ensayos cl\u00ednicos utilizando datos cl\u00ednicos observacionales.<\/p>\n
\u00abQuiero armar una agenda de investigaci\u00f3n utilizando todos los diferentes recursos de datos para dr ug reutilizaci\u00f3n y asociaciones de medicamentos y enfermedades desde m\u00faltiples perspectivas y con\u00e9ctese con investigadores que pueden colaborar con nosotros para encontrar nuevos medicamentos para enfermedades, incluidas enfermedades desconocidas\u00bb, dijo Zhang. <\/p>\n
Explore m\u00e1s<\/p>\n
Uso de inteligencia artificial para encontrar nuevos usos para medicamentos existentes M\u00e1s informaci\u00f3n:<\/strong> Pham, TH., Qiu, Y., Zeng, J. et al. Un marco de aprendizaje profundo para la detecci\u00f3n de compuestos fenot\u00edpicos impulsados por mecanismos de alto rendimiento y su aplicaci\u00f3n a la reutilizaci\u00f3n de f\u00e1rmacos para la COVID-19. Inteligencia de Nat Mach (2021). doi.org\/10.1038\/s42256-020-00285-9 Informaci\u00f3n de la revista:<\/strong> Nature Machine Intelligence <\/p>\n Proporcionado por la Universidad Estatal de Ohio Cita<\/strong>: El modelo inform\u00e1tico avanza en b\u00fasqueda de tratamientos COVID-19 (2021, 1 de febrero) recuperado el 30 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2021-02-covid-treatments.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Micrograf\u00eda electr\u00f3nica de transmisi\u00f3n de part\u00edculas del virus SARS-CoV-2, aisladas de un paciente. Imagen capturada y coloreada en el Centro de Investigaci\u00f3n Integrada (IRF) del NIAID en Fort Detrick, Maryland. Cr\u00e9dito: NIAID Un nuevo modelo de aprendizaje profundo que puede predecir c\u00f3mo interactuar\u00e1n los genes humanos y los medicamentos ha identificado al menos 10 compuestos … Continuar leyendo \u00abModelo inform\u00e1tico avanza en la b\u00fasqueda de tratamientos para el COVID-19\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-16689","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/16689","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=16689"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/16689\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=16689"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=16689"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=16689"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}