Magyar találmány segíti a koronavírus elleni védekezést - Interjú a gyógyszerfejlesztésben részt vevő Cytocast vezetőjével

Milyen kutatást végez a Cytocast, ami gyógyszerfejlesztés és kutatás szempontjából releváns?

A Cytocast egy sejtszimulátort fejleszt, és ahogy egy repülőgép szimulátoron képzik a pilótákat, mi úgy tudjuk a szimulátorunkon gyógyszerek és gyógyszerjelöltek hatását is tesztelni. Ezzel a gyógyszerfejlesztés folyamatát tudjuk felgyorsítani.

A sejtvonalakon és állatokon végzett kísérletek eredményei alapján indított szimulációinkkal megbízhatóan tudjuk előre jelezni, hogy egy adott gyógyszerjelölttel történt kezelés milyen szinten hozza az elvárt hatást és esetleg milyen mellékhatása van, ami miatt továbbfejlesztése nem ajánlott.

Mi a rendszer lényege?

Az emberi sejtekben a DNS tárolja a sejt működéséért felelős gépek tervrajzait. Ezek alapján készülnek az egyedi fehérjék (alkatrészek), amelyek összeállnak különböző komplexekké, mondhatni a sejt gépeivé. Léteznek módszerek a DNS hibáinak megállapítására és ezekből a mutációkból is lehet jósolni a sejtek működésében bekövetkező változásokat. Kicsit drágább ugyan, de a fehérjék szintjét is lehet mérni, akár közvetve, vagy közvetlenül is és vannak módszerek arra is, hogy ezt használják fel a sejtek viselkedésének a megértéséhez.

Mi is az egyedileg mért fehérjék mennyiségéből indulunk ki, de azt szimuláljuk, hogy az egyedi fehérjék hogyan állnak össze fehérjekomplexekké és ha egyes fehérjék szintje megváltozik az hogyan hat az összes fehérjekomplexre.

Ez azért nagyon jelentős kérdés, mert nagyon sok fehérje (alkatrész) több fehérjekomplexhez (géphez) is szükséges lehet. Ha csökken a szintje akár csak egyetlen ilyen fehérjének is, attól az ő komplexeinek a szintje is megváltozik és ez a hatás továbbterjedhet a sejtben, mivel a fel nem használt társai ekkor más komplexben tudnak szerepet vállalni.

Ennek az összetett rendszernek a nagyskálájú szimulációit futtatjuk felhő alapú szervereken. Végeredményben a fehérjekomplexek, azaz a végső “gépek” megváltozott összetételét és mennyiségét tudjuk megkapni szimulációnkból, és

ezzel sokkal realisztikusabb képet kaphatunk, hogyan változik meg a sejtek viselkedése egy betegségben, vagy egy gyógyszer hatására.

Milyen áttörést hozhat kutatásuk a gyógyszerfejlesztésben?

A Cytocast módszerével a gyógyszerfejlesztők nemcsak időt, de pénzt is spórolhatnak, mivel szimulációinkkal ki tudjuk szűrni az olyan hatóanyagokat, amelyekre felesleges több forrást fordítani. Hosszabb távon tervezzük módszerünk továbbfejlesztését olyan irányba, hogy ne csak drága, gyógyszergyárak által elérhető vizsgálatokból, hanem a klinikumban megvalósítható tesztekből is meg tudja jósolni egy kezelés hatékonyságát.

Így minden betegre a saját laboreredményein alapuló szimulációt tudunk majd futtatni, melyben az összes potenciális kezelést figyelembe vesszük, és ezzel személyre szabottan tudunk javaslatot tenni a legideálisabb kezelésre.

Hogyan módosította kutatásaikat, eredeti elképzeléseiket a koronavírus járvány kitörése?

Mivel kutatásunk és fejlesztéseink teljesen in-silico, számítógépesen zajlanak, így a járvány miatt nem lassítottunk, ellenben több új feladattal szembesülünk, ami miatt kisebb áttervezésre szorultunk. Ez különösen igaz több munkatársunkra, akik a Pázmány Péter Katolikus Egyetem Információs Technológiai és Bionikai karán is dolgoznak, mivel ott az oktatási és kutatási feladatok átszervezése is plusz munkát igényel. A járvány kitörésével a befektetőkkel folytatott tárgyalásaink is lelassultak, ami szintén terveink módosításához vezetett.

Mit kutatnak most?

A tudományos világ elkezdett minden új eredményt megosztani a COVID-19-ről, így mi is olyan adatokhoz férünk hozzá, amit máskor csak hosszabb tárgyalások után tudtunk volna megkapni gyógyszer fejlesztőktől, kutatóintézetektől. A COVID-19 fehérjéinek kölcsönhatását az emberi fehérjékkel már korábban leírták.

Mi szimulációnkkal azt vizsgáljuk, hogy ezek a kölcsönhatások hogyan változtatják meg a különböző emberi szövetek sejtjeiben a fehérjekomplexeket. Ezzel talán képesek leszünk új célfehérjéket találni már létező gyógyszereknek, amelyekkel kezelhető lesz a betegség. Emellett cégünk kutatói közül többen is részt vesznek a Szegedi Tudományegyetem által koordinált epidemológiai modellező kutatásban. A Cytocast szimulációs környezetéből inspirálódva

egy hasonló kódot kezdtünk el fejleszteni, ahol egyedi fehérjék kölcsönhatásainak modellezése helyett az emberek mozgását és interakcióit szimuláljuk.

Hogy működik a rendszer?

Ezt úgy kell elképzelni, hogy valós térkép és népességi adatokat felhasználva véletlenszerűen egy modell populációt hozunk létre, amelynek az átlagos kora, lakhelye és napi mozgása megfelel a valóságosnak. Majd szimuláljuk, hogy az egyedi emberek mikor találkozhatnak egymással és ha van fertőző közöttük, az mikor és kinek adhatja át a vírust.

Hogyan szolgálja kutatásuk a koronavírus megfékezését?

A kész modellel majd azt lehet vizsgálni, hogy hogyan hathat a vírus terjedésére az egyedi intézmények lezárása, kinyitása, nagyobb rendezvények megtartása és azt is, hogy a tesztelés és a fertőző emberek kapcsolatainak nyomonkövetése és karanténozása mennyire tud hatásos lenni a járvány terjedésének megfékezésében.

Milyen eredményeket várnak, és milyen idősíkon?

Az epidemiológiai modellünk szimulátorának az alapjai már kész vannak, mivel a Cytocast-es fejlesztésekből gyorsan el lehetett indulni ebbe az irányba is. A nagyobb falat a valós adatok integrációja, a modell populáció generálása és a modell paramétereinek azonosítása, hogy a szimulációk valós adatoknak megfelelő személyes interakciókat mutasson.

Az elkövetkező hónapban egy első verzióval el kell, hogy készüljünk, ami hasznos lehet a korlátozások feloldásának a hatásait jósolni. Majd őszre egy továbbfejlesztett verzió már segíthet a döntéshozóknak egy potenciális második hullámhoz kapcsolódó korlátozások tervezésében.

A COVID-19 fehérjéinek szimulált hatását az emberi fehérjekomplexekre, amint tudjuk publikáljuk, és közben tovább folynak a cég alapfejlesztései és a módszer továbbfejlesztésének validációi, mások által publikált és együttműködő partnereinktől kapott adatok alapján.