Are you looking for information about offers, devices or your account?

Please choose your local Vodafone website

Corona-AI: de kracht van AI en smartphone-supercomputing inzetten om nieuwe toepassingen voor medicijnen te vinden en voeding af te stemmen voor het bestrijden van de coronapandemie

5 minute read

Als onderdeel van het ‘DreamLab: Corona-AI’ project werkt een team onder leiding van dr. Kirill Veselkov van de Afdeling Chirurgie en Kanker aan het Imperial College London samen met de Vodafone Foundation aan AI-technologie, mobiele supercomputing en '-omica' big data om te zoeken naar combinaties van bestaande medicijnen en voedingsmoleculen als behandeling voor de strijd tegen de coronapandemie.

DreamLab gebruikt de rekenkracht van duizenden ongebruikte smartphones om de kankerbestrijdende eigenschappen in alledaagse voeding en medicijnen te ontdekken (1). Nu wordt die rekenkracht ingezet om het coronavirus te bestrijden.

Het hoofd van de Afdeling Chirurgie en Kanker, Professor George Hanna, benadrukt het belang van het project:

Deze onvoorstelbare ramp vraagt om radicale wetenschappelijke oplossingen buiten de gebaande paden. Het ‘DreamLab: Corona-AI’ projectteam zet AI-technologie in om deze nieuwe wereldwijde bedreiging het hoofd te bieden.

De snelle verspreiding van het coronavirus heeft een enorme negatieve impact gehad op de wereldwijde volksgezondheid en economie, zodat er onmiddellijk behoefte is aan medische en voedingsinterventies om de uitbraak te bestrijden.

Nieuwe indicaties of alternatieve toepassingen van bestaande medicijnen (ook wel 'herpositionering van medicijnen' genoemd) zijn een aantrekkelijke manier om het trage en kostbare proces van het ontwikkelen van specifieke medicijnen om deze besmettelijke ziekte te behandelen te omzeilen. In de huidige pandemie kunnen wij op deze manier mogelijk duizenden levens redden. Ons dieet is rijk aan geneeskrachtige moleculen waarvan bekend is dat zij een rol spelen in de preventie en bestrijding van virusziekten, door interactie met medicijnen, of door zelf als 'medicijn' te werken. Helaas zou de gangbare methode van het onderzoeken van de invloed van één medicijn of voedingsbestanddeel te lang kosten om in deze crisis van nut te zijn.

Momenteel is het landschap van potentieel geneeskrachtige moleculen in voeding onvoorstelbaar groot. De traditionele experimentele methode om de invloed van één medicijn of voedingscomponent op een bepaalde virusinfectie te onderzoeken kost maanden of zelfs jaren.

Het ‘DreamLab: Corona-AI’ project heeft een benadering die totaal verschilt van de normale methoden. Het project combineert kunstmatige intelligentie en de rekenkracht van ongebruikte smartphones om de ontdekking van nieuwe antivirale componenten in bestaande medicijnen te versnellen en de zoektocht naar antivirale moleculen in voeding te ondersteunen.

Ook DreamLab teamlid Professor Vasilis Vasiliou van de Yale School of Public Health onderschrijft het belang van het project: “In deze zware tijden kan AI geweldig helpen in de race tegen Covid-19. Het DreamLab team gebruikt de kracht van AI om reeds goedgekeurde medicijnen te screenen die mogelijk effectief zijn tegen Covid-19 en tevens voedselcomponenten te vinden die onze immuniteit tegen de effecten van het virus kunnen versterken.”

Innovatieve netwerkgedreven AI voor herpositionering van medicijnen en ontdekken van antivirale moleculen in voeding

Coronavirussen kunnen alleen overleven en zich vermenigvuldigen met de hulp van hun gastheer. Alle virussen hebben van nature een complex arsenaal van moleculaire strategieën ontwikkeld om het cellulaire apparaat van hun gastheer te gebruiken voor hun eigen overleving en vermenigvuldiging. Deze strategieën zijn gebaseerd op een complex netwerk van fysieke interacties tussen eiwitten van het virus en van de gastheer, de zogenaamde 'virus-gastheer interactome netwerken' (2).

Het traditionele ontwikkelingsmodel voor antivirale medicijnen is 'één medicijn voor één viraal eiwit-target'. Deze benadering heeft verschillende nadelen, waaronder het feit dat een virus kan muteren en zo het medicijn heel snel inefficiënt of onbruikbaar maken. Daarom moeten we ons op het hele virus-gastheer richten. Hoewel er al belangrijke vooruitgang is geboekt, zullen preventieve vaccins en medicijneffecten tegen SARS-Cov-2-specifieke targets vermoedelijk te maken krijgen met virusmutaties die hun effect ondergraven.

“Door voort te bouwen op ons eerdere werk op het gebied van kanker probeert het ‘Corona-AI DreamLab project' een beter beeld te krijgen van welk individuele of welke combinaties van moleculen het meest geschikt zijn om moleculaire host-gastheer interactomenetwerken te verstoren die essentieel zijn voor het overleven van het coronavirus, en niet alleen de specifieke eiwitten ervan,” aldus dr Kirill Veselkov.

Zulke moleculen kunnen al bestaande medicijnen zijn (d.w.z. medicijnen die tot dusver niet als antiviraal bekend stonden of als zodanig gebruikt werden) of geneeskrachtige moleculen in voeding. De uitkomsten kunnen mogelijk licht werpen op therapieën met meerdere medicijnen in combinatie met dieetinterventies om gastheer-virus interactomenetwerken in mensen te verstoren.

Een lid van de DreamLab samenwerking, Professor Michael Bronstein, Hoogleraar Machine Learning en Patroonherkenning op de afdeling Informatica van Imperial College Londen en hoofd Grafiekleeronderzoek bij Twitter beschrijft de algoritmekern van het project als volgt:

Wij gebruiken een nieuwe categorie van netwerkgebaseerde AI-methoden om antivirale stoffen te identificeren binnen een dataset van duizenden moleculen, door de netwerkeffecten van de interacties tussen zulke moleculen en de biomoleculen in ons lichaam te modelleren. Wij hebben deze methoden al eerder met succes gebruikt om 'hyperfoods' te vinden die kankerbestrijdende geneeskrachtige verbindingen bevatten, en die rusten wij nu uit om deze nieuwe ziekte aan te pakken.

Combinatorische aard van het probleem: Waarom DreamLab?

De voortgang van dit onderzoek werd oorspronkelijk vertraagd door beperkte toegang tot supercomputers. Combinaties van drie, vier of nog meer verbindingen konden in het lab onmogelijk getest worden. Stel dat er 10.000 moleculen zijn in verschillende combinaties - dat is een triljoen aan mogelijkheden die door een computer 'getest' moeten worden op virus-gastheer interactomes van coronavirusstammen, iets wat simpelweg niet te doen is op een normale computer. De DreamLab app gebruikt machine learning op een mobiel supercomputernetwerk om miljarden combinaties van bestaande medicijnen, in voeding aanwezige moleculen en genetische interacties te analyseren, waarmee de tijd die het kost om nieuwe ontdekkingen te doen sterk gereduceerd wordt.

Darmchirurg en lid van het projectteam dr. Reza Mirnezami van het Royal Free Hospital zegt: “Het DreamLab team gebruikt de kracht van AI om uit te zoeken hoeveel gebruikte goedgekeurde medicijnen 'hergebruikt' kunnen worden in de strijd tegen COVID-19. Tevens kijken wij naar hoe wij betere resultaten kunnen boeken bij COVID-19 patiënten aan de hand van dieet, dat zonder twijfel invloed heeft op de immuniteit van de gastheer en de veerkracht van de darmflora.”

In deze beginfase van het Corona-AI project willen wij combinaties van een of twee moleculen bestaande medicijnen of medicijnachtige moleculen in voeding testen op gastheer-virus interactomes van coronavirusstammen waaronder SARS-Cov-2, de veroorzaker van de huidige COVID-19 pandemie. Het DreamLab smartphonenetwerk van 100K gebruikers heeft gezamenlijk de kracht van een supercomputer die de data uit deze fase kan doorrekenen binnen een tijdsbestek dat met een gewone desktop computer tien jaar zou kosten.

Download nu de DreamLab app om ons te helpen COVID-19 te bestrijden.

Auteur: Dr. Kirill Veselkov; Lecturer Computational Medicine and Cancer Informatics, Department of Surgery and Cancer, Imperial College London; Assistant Professor Adjunct of Epidemiology, Yale School of Public Health, USA.


Referenties

  1. Veselkov K, Gonzalez G, Shahad A, Galea D, Mirnezami R, Youssef J, Bronstein M & Laponogov I. HyperFoods: Machine-intelligent searching for cancer-beating molecules in foods. Nature Scientific Reports, 2019, 1-11
  2. de Chassey, B., Meyniel-Schicklin ,L., Vonderscher,J., Andre,P. and Lotteau,V. (2014) Virus-host interactomics: new insights and opportunities for antiviral drug discovery. Genome Medicine. 6 ,115