גישה חדשנית לפיתוח מהיר של תרופות אנטי-ויראליות באמצעות בינה מלאכותית

פיתוח של חוקרים מהטכניון ומאוניברסיטת בן-גוריון בנגב צפוי להאיץ פיתוח של תרופות אנטי-ויראליות, זאת תוך התבססות על ביולוגיה סינתטית ובינה מלאכותית. את המחקר שהתפרסם ב-Nature Communication הובילו פרופ' רועי עמית והדוקטורנטית נעה כ"ץ מהפקולטה להנדסת ביוטכנולוגיה ומזון יחד עם ד"ר ירון אורנשטיין והמסטרנט איתמר טריפטו מאוניברסיטת בן-גוריון בנגב, שתרמו למחקר את החלק החישובי (בינה מלאכותית).

פרופ' רועי עמית. צילום : רמי שלוש, דוברות הטכניון

פרופ’ רועי עמית. צילום : רמי שלוש, דוברות הטכניון

ביולוגיה סינתטית היא תחום הנדסי חדש למדי, הרותם תהליכים טבעיים ויכולות בקידוד גנטי לטובת פיתוחים הנדסיים חדשים. לדברי פרופ’ עמית, “היכולות שלנו בתחום הזה גדלות במהירות אסטרונומית. אם בפוסט-דוקטורט יכולתי לעשות כמה עשרות ניסויים במקביל הרי שבמאמר שלנו מ-2012 כבר דיווחתי על אלף ניסויים במקביל ובעבודה של נעה כ”ץ – מאות אלפים. עם זאת, התרגום של מחקרים כאלה ליישומים כגון תרופות הוא אתגר יקר ומסובך המונע, למשל, פיתוח נרחב של תרופות אנטי-ויראליות.”

 

לדברי פרופ’ עמית, הבעיה העיקרית בהקשר זה הוא הכדאיות הכלכלית הנמוכה בפיתוח תרופות אנטי-ויראליות – עובדה הנובעת מספקטרום הפעולה הצר שלהן; תרופה אחת מתאימה לנגיף אחד. זאת בניגוד לאנטיביוטיקה, שיכולה לחסל כמה חיידקים שונים. זו הנישה שאליה נכנסו החוקרים משתי האוניברסיטאות: פיתוח תרופות שיפגעו בכמה נגיפים בעת ובעונה אחת.

“השיטה שפיתחנו, OL-ML, משלבת סינתזת די-אן-איי, ריצוף בקנה מידה רחב, למידה חישובית ומערך טיפול-תגובה (dose-response assay) – כלומר פלטפורמה לבדיקת ההשפעה של תרופות אנטי-ויראליות על הנגיף.”

 

השיטה שפיתחו החוקרים מאפשרת להם לסרוק באופן מהיר כמות עצומה של מולקולות פוטנציאליות ולבחון אם הן מתאימות לתפקיד האמור. זאת על סמך למידה חישובית ובפרט שימוש ברשתות נוירונים עמוקות (deep learning). לאחר צמצום האפשרויות נותרת כמובן העבודה הביולוגית – לבדוק אם מולקולות אלה מספקות את הסחורה בפועל.

ד"ר ירון אורנשטיין. צילום דני מכליס, אוניברסיטת בן-גוריון בנגב

ד”ר ירון אורנשטיין. צילום דני מכליס, אוניברסיטת בן-גוריון בנגב

 

לדברי ד”ר אורנשטיין, “היישום של למידה עמוקה בגנומיקה בשנים האחרונות הביא ליכולות חיזוי מדהימות שלא יכולנו לדמיין קודם. בעבודה אימנו רשתות נוירונים עמוקות על עשרות אלפי דוגמאות מולקולריות שנאספו במעבדה של פרופ׳ עמית וביצענו חיזוי מדויק למיליוני דוגמאות שלא היו בניסוי המקורי. בצורה זו יכולנו לסרוק באופן מהיר כמות עצומה של רצפים שאי אפשר לסרוק בניסוי בזמן סביר בהינתן הטכנולוגיות והמשאבים הקיימים בימינו.”

 

לדברי פרופ’ עמית, “המחקר שלנו הדגים את האפשרות לגלות, באמצעות השיטה שפיתחנו, מולקולות אר-אן-איי שיכולות להיקשר ליותר מנגיף אחד. ההדגמה נעשתה על מולקולות מעטפת של פאג’ים (נגיפים התוקפים חיידקים), אבל אנחנו מעריכים שאותה גישה עשויה לפעול גם על חלבוני מעטפת של נגיפים אנושיים כגון שפעת וקורונה. מולקולה שיכולה להקשר לשני זנים או יותר של נגיפים יכולה להוות בסיס לדור חדש של תרופות אנטי-ויראליות שיתנו מענה להתפרצות חדשה של מגפת קורונה, שפעת או כל נגיף אחר.”

למאמר ב- Nature Communication לחצו כאן