Методы машинного обучения предскажут устойчивость редких мутаций ВИЧ к лекарствам
-
С помощью методов машинного обучения ученые спрогнозировали устойчивость редких мутаций вируса иммунодефицита человека (ВИЧ) к лекарственным средствам. Точность прогнозирования составила от 72 до 93%. Над научным проектом работала международная группа исследователей, в которую вошли специалисты Научно-исследовательского института биомедицинской химии (ИБМХ) им. В.Н. Ореховича.
Рисунок. Цветовая карта с отображением множества последовательностей белков ВИЧ с данными об их устойчивости к различным классам препаратов для лечения ВИЧ-инфекции. (A) ингибиторы протеазы ВИЧ; (B) нуклеотидные ингибиторы обратной транскриптазы ВИЧ; © ненуклеозидные ингибиторы обратной транскриптазы; (D) ингибиторы интегразы. Красный цвет соответствует последовательностям от наиболее устойчивых вариантов, синий — от наиболее восприимчивых к антиретровирусной терапии.
В процессе жизненного цикла ВИЧ возможно возникновение мутаций в аминокислотных последовательностях его структурных белков. Эти мутации могут приводить к устойчивости вируса к лекарственным препаратам.Сегодня уже существуют компьютерные методы прогнозирования лекарственной устойчивости ВИЧ с точностью до 91-94%. Однако при исследовании новых вариантов вируса с редко встречающимися мутациями большинство таких методов имеют некоторые ограничения, так как результаты сложно интерпретировать, то есть выявлять, какие именно мутации (при наличии нескольких в последовательности) приводят к устойчивости.
В своем новом исследовании ученые впервые применили один из методов машинного обучения — генеративные топографические карты — к прогнозу лекарственной устойчивости ВИЧ. Суть метода объяснила кандидат биологических наук, старший научный сотрудник лаборатории структурно-функционального конструирования лекарств ИБМХ, руководитель проекта РНФ Ольга Тарасова.
При этом методе точки, отображающие признаки элементов обучающей выборки (их используют для построения модели) проецируют на гиперпространство, построенное в меньшем пространстве признаков.
Далее гиперпространство «разворачивается» в плоскость. При этом получается, что элементы выборки, которые характеризуются схожими между собой особенностями, оказываются близко расположенными друг к другу на построенной плоскости и могут быть сгруппированы по своим характеристикам — например, в данном случае по степени устойчивости к лекарственным препаратам.
Ученые использовали для прогноза признаки на основе последовательностей белков ВИЧ — интегразы, протеазы и обратной транскриптазы. Точность прогнозирования степени лекарственной устойчивости редких мутаций ВИЧ составила от 72 до 93% в зависимости от конкретного лекарственного препарата.
Как отмечают в институте, разработанные модели можно применять в практическом здравоохранении — для компьютерного прогнозирования лекарственной устойчивости ВИЧ к определенному классу антиретровирусных лекарственных препаратов, например, для корректировки схем терапии.
В настоящее время проводится усовершенствование разработанных моделей и веб-сервисов и их тестирование в некоторых клинических исследованиях.
В дальнейшем планируется развитие компьютерного подхода к анализу ответа организма человека на ВИЧ-инфекцию, включая прогнозирование лекарственной устойчивости ВИЧ, исследование ответа на инфекцию на уровне транскриптома (набор транскриптов в клетке, включая матричные и некодирующие РНК). Также идет поиск белков-регуляторов основных звеньев патогенетических процессов при ВИЧ-инфекции и ряде других сопутствующих заболеваний, возникающих у пациентов, например, нейрокогнитивных расстройствах, метаболических нарушениях, сердечно-сосудистых и опухолевых заболеваниях.
Статья опубликована в журнале BioinformaticsИсследование выполнено при поддержке гранта Российского научного фонда «Компьютерный анализ взаимодействия с организмом человека вируса иммунодефицита с учетом применяемой терапии ВИЧ/СПИД»