细菌学与寄生虫学杂志

抽象的

机器学习驱动的 COVID-19 药物再利用

塞米赫·坎图尔克、阿曼·辛格、杰森·贝尔曼、帕特里克·圣阿曼特*

将机器学习方法整合到生物信息学中，在确定在一种情况下有效的治疗方法在未知的临床情况下或针对新型病理学方面可能具有何种效用方面具有特别的好处。我们旨在通过使用神经网络模型来发现病毒蛋白与对其有效的抗病毒疗法之间的潜在关联。利用美国国家生物技术信息中心病毒蛋白数据库和药物病毒数据库（该数据库提供了广谱抗病毒剂 (BSAA) 及其抑制的病毒的综合报告），我们以病毒蛋白序列作为输入，以被认为对人类安全的抗病毒剂作为输出，训练了 ANN 模型。模型训练排除了 SARS-CoV-2 蛋白，仅包括 II、III、IV 期和已批准的药物。使用 SARS-CoV-2（导致 COVID-19 的冠状病毒）的序列作为训练模型的输入，可产生用于治疗 COVID-19 的暂定的对人类安全的抗病毒候选药物的输出。我们的结果表明有多种候选药物，其中一些补充了值得注意的临床研究的最新发现。我们的计算机模拟药物再利用方法有望找到新的候选药物和针对其他病毒、细菌和寄生虫感染的治疗方法。