Bagaimana Deep Learning membantu menangani COVID-19

Apa hubungannya Deep Learning model dengan berburu obat Covid-19? Bagiamana cara kerjanya? Deep Learning model bekerja melalui proses training sekumpulan dataset yang berisi informasi tentang protein yang ingin ditargetkan oleh pengembang obat melalui terapi. Model kemudian dapat membuat prediksi serta membantu memandu rancangan dan pengujian obat.

Selain hal tersebut di Indonesia juga mengembangkan deteksi hasil xray pasien organ paru-paru untuk mengetahui positif tidaknya pasien tersebut dari Covid-19, disini atau disini

Kembali ke artikel dari news-medical.net……

Profesor Guowei Wei dari Yayasan Universitas Negeri Michigan tidak sedang mempersiapkan teknik Deep Learning model untuk krisis kesehatan global, namum tetap saja dia dan timnya siap membantu untuk berburu obat COVID-19! itulah kabar baiknya saat ini

Model Deep Learning bernama Spartan

Grup tersebut sudah memiliki satu Deep Learning model yang bekerja untuk kasus pandemi sebelumnya yang memprediksi konsekuensi mutasi pada SARS-CoV-2. Sekarang, tim Wei telah mengerahkan yang lain untuk membantu pengembang obat yang berguna untuk membunuh salah satu target virus. Para peneliti membagikan penelitian mereka di jurnal peer-review Chemical Science.

Sebelum pandemi, Wei dan timnya telah mengembangkan model komputer Deep Learning model – khususnya, model yang menggunakan apa yang dikenal sebagai machine learning  – untuk membantu menghemat waktu dan uang dalam pengembangan obat. Para peneliti “melatih” Deep Learning model dengan kumpulan dataset yang berisi informasi tentang protein yang ingin ditargetkan oleh pengembang obat melalui terapi. Model kemudian dapat membuat prediksi serta membantu memandu rancangan dan pengujian obat.

Selama tiga tahun terakhir, Deep Learning model yang dinamai dengan Spartan menjadi model terbaik  dalam seri kompetisi dunia untuk desain obat berbantuan komputer yang dikenal sebagai Drug Design Data Resource, atau D3R, Grand Challenge!

Namun sekarang pada akhir desember wabah pandemi COVID-19 datang.

“Kami tahu ini akan berdampak buruk. China menutup seluruh kota dengan 10 juta orang,” kata Wei, yang merupakan profesor di Departemen Matematika serta Teknik Listrik dan Komputer. “Kami sudah memiliki teknik ditangan dan kami tahu ini penting.”

Wei dan timnya telah menggunakan kembali Deep Learning model  mereka untuk fokus pada protein SARS-CoV-2 spesifik yang disebut protease induk. Protease induk adalah roda penggerak dalam mesin protein virus corona yang sangat penting bagi cara patogen membuat salinan dirinya sendiri. Obat yang bisa menonaktifkan “roda gigi” itu dapat menghentikan virus untuk mereplikasi dirinya sendiri sehingga virus tersebut akan secara otomatis mati.

Apa yang membuat protease induk menjadi target yang lebih menarik adalah

bahwa hal itu berbeda dari semua protease manusia yang selama ini diketahui,  karenanya, obat-obatan yang menyerang protease virus cenderung tidak mengganggu biokimia alami manusia.

Memanfaatkan Informasi dari model pembelajaran sebelumnya

Keuntungan lain dari protease induk SARS-CoV-2 adalah hampir identik dengan virus corona yang bertanggung jawab atas wabah SARS tahun 2003. Artinya, pengembang obat dan tim Wei tidak memulai sepenuhnya dimulai dari awal. Mereka memiliki informasi tentang struktur protease utama dan senyawa kimia yang disebut protease inhibitor yang mengganggu fungsi protein.

Namun, masih ada kesenjangan dalam memahami di mana protease inhibitor tersebut menempel pada protein virus dan seberapa erat. Di situlah Deep Learning model Spartan masuk, ujarnya

Tim Wei menggunakan modelnya untuk memprediksi rincian tersebut untuk lebih dari 100 protease inhibitor yang diketahui. Data itu juga memungkinkan tim merangking inhibitor tersebut dan fokus terhadap hasil yang paling menjanjikan, yang bisa menjadi informasi yang sangat berharga bagi laboratorium dan perusahaan yang mengembangkan obat baru, kata Wei.

“Pada hari-hari awal kampanye penemuan obat, kalian mungkin memiliki 1.000 kandidat,” kata Wei. Biasanya, semua kandidat itu akan pindah ke tes praklinis pada hewan, lalu mungkin 10 atau lebih yang paling menjanjikan dapat dengan aman maju ke uji klinis pada manusia, jelas Wei.

Dengan berfokus pada obat-obatan yang paling menjanjikan pada titik paling rentan protease, pengembang obat dapat mengurangi daftar 1.000 itu dari awal, menghemat uang dan berbulan-bulan, jika tidak bertahun-tahun, kata Wei.

Ini adalah cara untuk membantu pengembang obat memprioritaskan. Mereka tidak perlu membuang sumber daya untuk memeriksa setiap kandidat, kata Wei

Tapi Wei juga mengingatkan! Bahwa model timnya tidak menggantikan kebutuhan untuk validasi eksperimental, uji praklinis atau klinis. Pengembang obat masih perlu membuktikan bahwa produk mereka aman sebelum menyediakannya untuk pasien, yang bisa memakan waktu bertahun-tahun.

Karena alasan itu, kata Wei, antibodi  manusia yang menyerupai apa yang diproduksi sistem kekebalan secara alami untuk melawan virus corona kemungkinan besar akan menjadi terapi pertama yang disetujui selama pandemi. Namun, antibodi ini menargetkan protein lonjakan virus, bukan protease induka. Oleh karena itu, pengembangan protease inhibitor akan memberikan tambahan persenjataan untuk melawan musuh virus Covid-19 yang mematikan dan terus berkembang.

“Jika pengembang ingin merancang satu set obat baru, pada dasarnya kami telah menunjukkan apa yang perlu mereka lakukan,” kata Wei.

Dilansir dari: https://www.news-medical.net/news/20201028/Deep-learning-models-help-hunt-for-COVID-19-drugs.aspx