Tampereen yliopiston tutkijat ovat tunnistaneet ja kokeellisesti validoineet olemassa olevia lääkkeitä, jotka estävät SARS-CoV-2-viruksen tartunnan. Tutkimuksen kohteena ovat koronaviruksen alkuperäinen niin sanottu villi tyyppi ja deltamuunnos.
Integroimalla useita bioinformatiikan ja keminformatiikan lähestymistapoja tutkijat pystyivät nopeasti seulomaan suuren määrän yhdisteitä ja priorisoimaan lupaavia lääkeaihioita COVID-19:n hoitoon.
Lupaavia lääkeaineita myös löytyi.
Kahden lääkeaineen, 7-hydroksistaurosporiinin ja bafetinibin, yhdistelmän todettiin ihmissoluilla testattaessa ehkäisevän solujen infektoitumista ja tehostavan toistensa vaikututusta. Yhdistelmä ehkäisi myös koronaviruksen deltavarianttia.
”Vaikka globaali rokotuskampanja jatkuu, tarvitaan yhä kiireesti tehokkaita, halpoja ja kestäviä täydentäviä hoitoja, jotka ovat helposti kaikkien ulottuvilla maailmanlaajuisesti”, sanoo tiedotteessa Tampereen yliopiston bioinformatiikan professori Dario Greco, joka johti COVID-19-lääketutkimusta.
Tutkimuksessa on uutta erityisesti useiden bioinformatiikan ja keminformatiikan menetelmien monipuolinen yhdistäminen.
Tutkimus tehtiin Tampereen yliopiston FHAIVE-asiantuntijakeskuksessa, joka muun muassa kehittää seuraavan sukupolven eläinkokeille vaihtoehtoisia menetelmiä sekä lähestymistapoja kemikaalien turvallisuusarviointiin ja lääkekehitykseen.
Yhteistyössä oli mukana myös Helsingin yliopisto, Aarhusin yliopisto ja Queenslandin yliopisto sekä unkarilaisen Eotvos Lorand Research Networkin tutkijoita.
Tutkimusmenetelmät sopivat muihinkin tarkoituksiin
Laskennallisista menetelmistä toivotaan yhä enemmän apua lääkkeiden kohdentamiseen ja uusien lääkkeiden suunnitteluun.
"Laskennalliset menetelmät keskittyvät kuitenkin vain tiettyihin näkökulmiin patologisissa mekanismeissa, lääkeaineiden vuorovaikutuksessa ja niiden molekyylikohteissa tai lääkeyhdisteiden vaikutuksissa kudoksiin, eikä niitä ole koskaan yhdistetty toimimaan yhdistetyssä tutkimusasetelmassa", Greco sanoo.
Lääkekehityksen alkuvaiheissa on perinteisesti seulottu laajoja lääkeaineyhdistelmien kirjastoja, mikä on työlästä ja aikaa vievää. Näin ollen luotettava menetelmä, jonka avulla lääkeaineyhdisteitä voidaan laskennallisesti priorisoida, voi merkittävästi nopeuttaa lääkekehitystä ja edistää alan innovaatioita.
"Tässä tutkimuksessa kehittämäämme integroitua strategiaa voidaan soveltaa myös etsittäessä lääkkeitä muihin sairauksiin.”
Sopivien lääkeaineiden lisäksi menetelmä tarjoaa myös tiedon siitä, millaisia kemiallisia ominaisuuksia lääkkeessä pitää olla.
Lääketietokannasta geenivaikutuksiin
Tutkimuksessa käytettiin kanadalaisen Albertan yliopiston DrugBank -tietokannan tietoja noin 8 000 lääkkeestä. Niistä 700 valittiin ensin virtuaalisesti seulomalla jatkotarkasteluun. Seulonnassa etsittiin lääkkeitä, jollaisten tutkijat olivat päätelleet mahdollisesti tehoavan koronavirukseen.
Kemiallisten ominaisuuksien ja käytännöllisten tekijöiden kuten hinnan, saatavuuden, kuljetusten ja varastoinnin helppouden perusteella tutkimuksessa päädyttiin 23 syöpä-, mikrobi- ja viruslääkkeeseen, jotka tutkittiin ihmissoluilla.
Ihmissoluilla tehtyjen tutkimusten avulla selvitettiin, tehoavatko valitut lääkkeet koronavirusta vastaan.
Tietoja voidaan hyödyntää uusien lääkkeiden suunnittelussa.
Samalla FHAIVEn tutkijat kokosivat tiedot näiden 23 lääkkeen kemiallisista rakenteista rakennesanastoksi, jota voidaan hyödyntää uusien lääkkeiden suunnittelussa.
Tutkimuksessa käytettiin neljää toisiaan täydentävää bioinformatiikan lähestymistapaa. Tutkijat muun muassa vertasivat muutoksia solujen ja kudosten geeniekspressiossa ensin SARS-CoV-2-infektiossa ja sitten tutkittavien lääkkeiden vaikutuksesta. Sen jälkeen lääke-ehdokkaat asetettiin paremmuusjärjestykseen sen perusteella, kuinka keskeisessä asemassa lääkkeiden kohdegeenit ovat geeniekspressioverkostoissa.
Viime vaiheessa sopivimmat lääkeaineet määriteltiin tutkimuksessa käytettyjen bioinformatiikan ja keminformatiikan lähestymistapojen tuottamien kemiallisten sormenjälkien avulla.
Tutkimus julkaistiin joulukuussa Briefings in Bioinformatics -tiedelehdessä.
LUE MYÖS:
