东北大学的研究人员已经发现了40种可能用于治疗COVID-19的新药物。 

周三，东北大学复杂网络科学研究中心报道了这一发现，该发现来自一个基于网络科学的感染动力学建模工具，包括复杂的数学、物理和计算。 

该工具集描绘了细胞被SARS-CoV-2劫持后，人类细胞内蛋白质的行为方式。SARS-CoV-2是一种新型冠状病毒，可导致COVID-19疾病。 

"我们已经

"我们已经优先考虑了更多的药物，但实际上我们正在努力推进40种药物，"网络科学Robert Gray Dodge教授、东北大学杰出物理学教授的Albert-Laszlo Barabasi说。 

Barabasi的团队已经在与哈佛大学的实验生物学家进行讨论，开始在人类细胞系中测试这些药物。 

细胞内不同种类蛋白质的相互作用在协调控制我们身体的复杂生化反应中起着关键作用。这就是为什么，理解病毒如何传播的最好方法是识别人类细胞内所有的分子相互作用，以及这些相互作用在蛋白质与细胞内遗传物质相互作用时所形成的网络。 

他说："几乎所有的疾病都是通过细胞网络传播的。病毒有一种特别快的方式来做到这一点，因为它正在入侵细胞，在这种情况下，它有26种蛋白质，有效地在网络的多个点上进行非常快速和有效的扰动。" 

Barabasi最初在2012年和一组研究人员一起开发了这个模型来研究其他人类病毒，该模型还预测SARS-CoV-2可能会攻击大脑中的细胞。报告称，这一发现可能有助于解释最近的报告，即早期的COVID-19症状包括失去嗅觉和味觉。 

新的药物名单增加了研究人员已经确定的其他可能的治疗方法。Barabasi的模型确定了其中几种药物，以及其他未被考虑的药物。 

"我们可以这样做的原因是我们没有限制用来攻击那些病毒攻击的蛋白质的药物，"Barabasi说。"我们还可以发现针对该病毒目标靶点的药物。" 

在进入人体后，SARS-CoV-2迅速劫持人体细胞并将其改造成病毒复制机器。这种病毒依赖于一组突出的蛋白质，所有其他种类的冠状病毒都以此命名--一组类似于冠状病毒的尖刺。当这些病毒蛋白质附着在健康细胞的蛋白质上时，它们会破坏细胞的基本功能，并使细胞产生数百万种不同的病毒。 

建模病毒感染的第一步是了解哪些蛋白质帮助SARS-CoV-2攻击劫持人类细胞。研究人员最近报告说，有332种这样的蛋白质。 

Barabasi的工具集模拟了冠状病毒靶向的332种蛋白质的作用，并预测了这些蛋白质可能在细胞内触发导致COVID-19症状的其他机制。 

该模型关注的是能够对抗病毒的药物，这些药物不仅可以在病毒首次以人类细胞为目标时中和病毒的S蛋白，还可以干扰人类蛋白和基因之间的其他相互作用。这些治疗的目标是细胞内病毒工作的区域，而不是直接针对病毒，并可能影响SARS-CoV-2增殖所需的蛋白质编码方式。 

Barabasi说："只要确定病毒袭击的区域，我们就可以确定哪些药物可能会袭击同一个区域，因此可以有效地对抗病毒。" 

而且，他说，最好的候选药物可能是那些不针对SARS-CoV-2最初攻击的蛋白质，但在相同的亚细胞内起作用的药物。 

"市场上很少有直接针对疾病蛋白本身的药物，"Barabasi说。"仅仅知道病毒针对的是什么蛋白质还不足以让我们找到这种药物，我们需要非常清楚地了解网络中这些攻击点的邻近区域。" 

哈佛大学医学院(Harvard Medical School)生物医学信息学助理教授Marinka Zitnik利用机器学习帮助Barabasi的团队梳理现有的数据，这些数据是关于已经上市或正在临床试验的药物，这些药物可以用来治疗COVID-19。 

图片来源：Albert-László Barabási BarabasiLab 2019 

Joseph Loscalzo是哈佛医学院赫西医学理论与实践教授、医学部主任、布莱根妇女医院(Brigham and Women's Hospital)的首席医师。 

Barabasi说，该团队的进展和更新将尽快在网上发布，以帮助全球科学界以极快的速度解决COVID-19危机。一份包含更多数据和信息的报告将以预印本的形式在网上发布，并提交给同行评审的期刊发表。 

他表示："我们正在公布研究结果，以便其他人能够立即在此基础上进行研究。我们迫切需要在这一领域取得进展，我们不能成为现有学术或商业模式的奴隶。" 

参考资料： 

【1】Network scientists identify 40 new drugs to test against COVID-19 

【2】A SARS-CoV-2-Human Protein-Protein Interaction Map Reveals Drug Targets and Potential Drug-Repurposing 

【3】Viral Perturbations of Host Networks Reflect Disease Etiology 

本文来源自生物谷，更多资讯请下载生物谷APP(