Komputerowa identyfikacja starych leków, które można wykorzystać w terapii COVID-19

Autorami publikacji są badacze z Shenzhen Institutes of Advanced Technology w Chinach (https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1008489).

Pandemia COVID-19 sprawiła, że naukowcy z całego świata zaangażowali się w poszukiwanie skutecznych leków. Poza próbami znalezienia nowych substancji, które sprawdziłby się w tej roli, rozważane jest wykorzystanie już istniejących leków, pierwotnie przeznaczonych do leczenia innych schorzeń. Okazuje się, że pomocne w tym drugim przypadku mogą być komputerowe symulacje interakcji różnych leków z SARS-CoV-2, czyli wirusem wywołującym COVID-19.

Aby wspomóc wirtualne badanie istniejących leków, dr Haiping Zhang wraz ze współpracownikami połączył wiele technik obliczeniowych, które symulują interakcje lek-wirus z różnych, uzupełniających się perspektyw. Za pomocą tej metody przeanalizował 1906 obecnych na rynku leków. Testował je pod kątem ich potencjalnej zdolności do hamowania replikacji SARS-CoV-2 poprzez celowanie w białko wirusowe zwane polimerazą RNA zależną od RNA (RdRP).

Takie nowatorskie podejście do badań przesiewowych pozwoliło zidentyfikować cztery obiecujące leki, które następnie przetestowano w warunkach laboratoryjnych. Dwa preparaty – pralatreksat i azytromycyna – skutecznie hamowały replikację wirusa. Dalsze eksperymenty laboratoryjne wykazały, że pralatreksat hamował ową replikację silniej niż remdesivir, czyli lek obecnie stosowany u pacjentów z COVID-19.

Odkrycia te sugerują, że pralatreksat mógłby potencjalnie zostać wykorzystany w leczeniu ofiar pandemii. Jednak środek ten wywołuje znaczące skutki uboczne i jest stosowany wyłącznie u osób z chłoniakiem terminalnym, które nie poddają się innej terapii. Zastosowanie go u pacjentów z COVID-19 jest więc kontrowersyjne. Mimo to, odkrycia potwierdzają, że wykorzystanie nowej strategii badań przesiewowych do identyfikacji leków faktycznie działa.

„Udowodniliśmy wartość naszego nowatorskiego podejścia, które łączy technologie uczenia głębokiego z bardziej tradycyjnymi symulacjami dynamiki molekularnej” – podsumowuje dr Zhang. On i jego koledzy pracują obecnie nad dodatkowymi metodami obliczeniowymi do generowania nowych struktur molekularnych, które mogłyby stać się nowymi lekami na COVID. (PAP)

kap/ agt/

Źródło:PAP
Używamy plików cookie, aby zapewnić lepszą jakość przeglądania. Kontynuując korzystanie z tej witryny, wyrażasz zgodę na korzystanie z plików cookie.
Używamy plików cookie, aby zapewnić lepszą jakość przeglądania. Kontynuując korzystanie z tej witryny, wyrażasz zgodę na korzystanie z plików cookie.