Исследование антител и противовирусных препаратов в лаборатории помогает в борьбе с COVID-19

Ученые Ливерморской национальной лаборатории им. Лоуренса (LLNL) вносят вклад в глобальную борьбу с COVID-19, объединяя искусственный интеллект/машинное обучение, биоинформатику и суперкомпьютерные вычисления для поиска кандидатов в новые антитела и фармацевтические препараты.

Группа реагирования на COVID-19, состоящая из исследователей LLNL, использует пять высокопроизводительных вычислительных (HPC) кластеров и многолетний опыт. С помощью моделирования, симуляций и машинного обучения они:

• Выявили около 20 перспективных конструкций антител из почти бесконечного множества вариантов.
• Исследовали миллионы малых молекул на предмет потенциальных противовирусных свойств.

Кандидатам потребуется синтез и экспериментальная проверка, что может занять время.

Разработка антител

Когда началась вспышка COVID-19, Адам Земла из LLNL разработал и опубликовал предсказанную 3D-структуру белка вируса. Позже определенная кристаллическая структура ключевого белка SARS-CoV-2 оказалась очень близка к предсказаниям команды.

Используя предсказанную 3D-структуру и известные антитела к SARS, команда под руководством Дэниела Файссола и Томаса Десотельса провела AI-виртуальный скрининг антител, способных связываться с SARS-CoV-2. Моделирующая платформа, поддержанная DARPA и внутренним финансированием LDRD, впервые интегрирует экспериментальные данные, структурную биологию, биоинформатическое моделирование и молекулярное моделирование, управляемые алгоритмом машинного обучения.

Этот подход позволил сократить количество кандидатов с 10³⁹ возможностей до небольшого числа за несколько недель, сосредоточившись на областях, которые иначе могли быть упущены.

Дизайн противовирусных препаратов

Другое направление работы — дизайн противовирусных препаратов. Группа ученых под руководством Фелис Лайтстоун и Джонатана Аллена использовала выделенное время на всем суперкомпьютерном кластере Quartz для виртуального скрининга малых молекул против двух белков COVID-19.

С помощью программного обеспечения, созданного ученым LLNL Сяохуа Чжаном, команда провела крупномасштабные вычисления, чтобы просканировать 26 миллионов молекул против четырех участков белка (более 100 миллионов расчетов докинга) для выявления соединений, которые потенциально могут предотвратить инфекцию или лечить COVID-19.

Некоторые модели для оценки безопасности молекул основаны на системе, разработанной в рамках консорциума ATOM, что помогло лаборатории оперативно оценивать молекулы и создавать модели, полезные для любой вспышки.

Значение возможностей национальных лабораторий

Ученые LLNL назвали пандемию COVID-19 "сигналом к пробуждению", подчеркивающим необходимость долгосрочных инвестиций и постоянных общегосударственных усилий, особенно в применении высокопроизводительных вычислений для персонализированной медицины.

LLNL также адаптирует свою портативную платформу для молекулярной диагностики Bio ID (разработанную биомедицинским ученым Ларри Дуганом) в качестве потенциального инструмента для быстрой диагностики COVID-19.

Общие усилия по реагированию на COVID-19 вовлекают все 17 национальных лабораторий Министерства энергетики США.