Obat COVID-19 Menggunakan Kombinasi Obat Lama

 RINGKASAN

Human coronaviruses (HCoVs), termasuk severe acute respiratory coronavirus syndrome (SARS-CoV) dan 2019 novel coronavirus (2019-nCoV) kemudian ditetapkan sebagai SARS-CoV-2, menyebabkan pandemi global dengan morbiditas dan mortalitas tinggi. Namun, saat ini belum terdapat obat yang efektif untuk SARS-CoV-2.  Penggunaan kembali obat lama merupakan strategi pengobatan yang efektif dari pada obat yang sudah ada, karena dapat mempersingkat waktu dan mengurangi biaya dibandingkan dengan berusaha menemukan obat yang benar-benar baru.  Dalam penelitian.yang dilakukan oleh Yadi Zhiu dkk menyajikan metodologi integratif pemanfaatan kembali, obat antivirus dengan menerapkan kebijakan sistem network obat berbasis farmakologi, mengukur interaksi antara interaksi HcoV-Inang dan target obat dalam network interaksi protein-protein manusia. Analisis filogenetik dari 15 seluruh genom HCoV mengungkapkan bahwa SARS-CoV-2 memiliki identitas urutan nukleotida tertinggi dengan SARS-CoV (79,7%).  

Secara khusus, protein amplop dan nukleokapsid SARS-CoV-2 adalah dua bagian yang dilestarikan secara evolusi, masing-masing memiliki identitas urutan nukleotida 96% dan 89,6%, dibandingkan dengan SARS-CoV.  Menggunakan analisis kedekatan network target obat dan interaksi HCoV-Inang dalam interaksi dengan manusia, telah diprioritaskan 16 obat anti-HCoV potensial yang dapat digunakan kembali (misalnya, melatonin, mercaptopurine, dan sirolimus) yang selanjutnya divalidasi dengan analisis pengayaan penanda gen obat dan HcoV serta data transkriptom yang diinduksi dalam cell line manusia.  Selanjutnya diidentifikasi tiga kombinasi obat yang potensial (misalnya, sirolimus plus dactinomycin, mercaptopurine plus melatonin, dan toremifene plus emodin) yang diolah dengan pola “Complementary Exposure”: target obat keduanya mengenai subnetwork HCoV-Inang, tetapi menargetkan lingkungan yang terpisah dalam network manusia yang berinteraksi.  Penelitiannya memberikan metodologi berbasis network kuat untuk identifikasi cepat kandidat obat SARS-CoV-2  dari kombinasi obat  lama yang berpotensi dapat digunakan kembali.

PENGANTAR

Coronavirus (CoV) biasanya memengaruhi saluran pernapasan mamalia, termasuk manusia, dan menyebabkan infeksi saluran pernapasan ringan hingga berat.^[1]Dalam dua dekade terakhir, dua Human coronaviruses yang sangat patogen (HCoV) yaitu severe acute respiratory coronavirus syndrome (SARS-CoV) dan Middle East coronavirus respiratory syndrome (MERS-CoV), yang muncul dari reservoir hewan, telah menyebabkan epidemi global dengan tingkat morbiditas dan mortalitas.^[2]  Sebagai contoh, 8098 orang terinfeksi dan 774 meninggal dalam pandemi SARS-CoV, yang menelan biaya ekonomi global dengan perkiraan $ 30 hingga $ 100 miliar.^[3, 4]  Menurut Organisasi Kesehatan Dunia (WHO), per November 2019, MERS-CoV telah memiliki total 2.494 kasus yang didiagnosis menyebabkan 858 kematian, mayoritas di Arab Saudi.^[2]  Pada bulan Desember 2019, HCoV patogenik ketiga, bernama 2019 novel coronavirus (2019-nCoV / SARS-CoV-2), sebagai penyebab penyakit coronavirus 2019 (disingkat COVID-19),^[5], ditemukan di Wuhan, Tiongkok.  Pada 24 Februari 2020, ada lebih dari 79.000 kasus dengan lebih dari 2.600 kematian untuk wabah 2019-nCoV / SARS-CoV-2 di seluruh dunia; lebih jauh, penularan dari manusia ke manusia telah terjadi di antara kontak dekat.^[6].  Namun, saat ini tidak ada obat yang efektif melawan SARS-CoV-2. Beberapa kelompok penelitian nasional dan internasional sedang mengerjakan pengembangan vaksin untuk mencegah dan mengobati SARS-CoV-2, tetapi vaksin yang efektif belum tersedia.  Ada kebutuhan mendesak untuk pengembangan strategi pencegahan dan pengobatan yang efektif untuk wabah SARS-CoV-2.

Meskipun investasi dalam penelitian dan pengembangan biomedis dan farmasi telah meningkat secara signifikan selama dua dekade terakhir, jumlah tahunan perawatan baru yang disetujui oleh Badan Pengawasan Obat dan Makanan AS atau US Food and Drug Administration (FDA) tetap relatif konstan dan terbatas.^[7].  Sebuah studi baru-baru ini memperkirakan bahwa perusahaa n farmasi menghabiskan $ 2,6 miliar pada tahun 2015, naik dari $ 802 juta pada tahun 2003, dalam pengembangan obat entitas kimia baru yang disetujui FDA. ^[8[ Pengembalian obat, direpresentasikan sebagai strategi penemuan obat yang efektif dari obat yang ada, secara signifikan dapat mempersingkat waktu dan mengurangi biaya dibandingkan dengan penemuan obat de novo dan uji klinis acak.^{[9, 10, 11]}  Namun, pendekatan eksperimental untuk penggunaan kembali obat mahal dan memakan waktu.^[12]  Pendekatan komputasi menawarkan hipotesis baru yang dapat diuji untuk reposisi obat sistematis. ^{[9, 10, 11, 13, 14]}  Namun, metode berbasis struktur tradisional terbatas ketika struktur tiga dimensi (3D) protein tidak tersedia, sayangnya adalah kasus untuk sebagian besar target manusia dan virus.  Selain itu, penargetan protein virus tunggal sering memiliki risiko resistensi obat yang tinggi oleh evolusi genom. ^[1]

Virus (termasuk HCoV) memerlukan faktor seluler induk untuk replikasi yang sempurna selama infeksi.^[1] Identifikasi sistematis daripada virus-inang protein-protein interaksi (PPI) memberikan cara yang efektif untuk menjelaskan mekanisme infeksi virus. ^[15, 16] Selanjutnya, menargetkan target antivirus seluler, seperti virus-host berinteraksi, dapat menawarkan strategi baru untuk pengembangan pengobatan yang efektif untuk infeksi virus, ^[1] termasuk SARS-CoV^,[17] MERS-CoV^,[17] virus Ebola, ^[18] dan virus Zika.^{[14, 19, 20, 21]}  Baru-baru ini telah dipresentasikan jalur penemuan obat antiviral terintegrasi yang menggabungkan mutagenesis penyisipan gen-perangkap, network gen-obat yang diketahui fungsional, dan analisis bioinformatika.^[14]  Metodologi ini memungkinkan untuk mengidentifikasi beberapa kandidat obat yang dapat dipakai ulang untuk virus Ebola. ^[11 , 14]  Pekerjaan kami selama dekade terakhir telah menunjukkan bagaimana strategi jaringan dapat digunakan, misalnya untuk mengidentifikasi obat yang dapat dipakai ulang yang efektif ^{[13, 22, 23, 24, 25, 26, 27]} dan kombinasi obat ^[28] untuk berbagai penyakit manusia.  Sebagai contoh, kedekatan obat-penyakit berbasis network menyoroti hubungan antara obat (misalnya, target obat) dan modul penyakit (penentu molekul dalam modul patobiologi penyakit dalam PPI), dan dapat berfungsi sebagai alat yang berguna untuk penyaringan yang efisien dari potensi indikasi baru untuk obat yang disetujui, serta kombinasi obat, seperti yang ditunjukkan dalam penelitian terbaru.^{[13, 23, 27, 28]}

Dalam penelitian ini, Yadi Zhou et al menyajikan metodologi repurposing obat antivirus integratif, yang menggabungkan platform kedokteran jaringan berbasis sistem farmakologi yang mengkuantifikasi interaksi antara interaksi virus-host dan target obat dalam jaringan PPI manusia.  Dasar untuk eksperimen ini bertumpu pada anggapan bahwa (i) protein yang secara fungsional berasosiasi dengan infeksi virus (termasuk HCoV) terlokalisasi dalam subnetwork yang sesuai dalam jaringan PPI manusia yang komprehensif dan (ii) protein yang berfungsi sebagai target obat untuk spesifik. penyakit juga dapat menjadi target obat yang sesuai untuk infeksi antivirus potensial karena PPI umum dan jalur fungsional yang dijelaskan oleh interaksi manusia (Gambar 1).  Telah diikuti analisis ini dengan validasi bioinformatika dari penandagen yang diinduksi obat dan transkriptom yang diinduksi HCoV dalam cell line manusia untuk memeriksa mekanisme kerja dalam HCoV spesifik yang diusulkan repurposing (Gambar 1).

Gambar 1: Alur kerja keseluruhan dari penelitian

Metodologi berbasis network merupakan penggabungan platform obat jaringan berbasis sistem farmakologi yang mengukur interaksi antara interaksi virus-inang dan target obat dalam jaringan PPI manusia.  Protein inang yang berhubungan dengan
a : Human Coronavirus (HCoV) dikumpulkan dari literatur untuk menghasilkan subnetwork protein pan-HCoV.
b : Kedekatan jaringan antara target obat dan protein terkait HCoV dihitung untuk menyaring kandidat obat yang dapat dipakai ulang untuk HCoV di bawah model interaksi protein manusia. 
c , d  : Analisis pengayaan set gen digunakan untuk memvalidasi prediksi berbasis jaringan. 
e : Calon teratas selanjutnya diprioritaskan untuk kombinasi obat menggunakan metode berbasis jaringan yang ditangkap oleh pola “ Paparan Komplementer”: target obat-obatan tersebut sama-sama mengenai subnetwork HCoV-host, tetapi menargetkan lingkungan yang terpisah dalam jaringan interaksi manusia.  
f : Hipotesis keseluruhan dari metodologi berbasis network: (i) protein yang secara fungsional berasosiasi dengan HCoV terlokalisasi dalam subnetwork yang sesuai dalam jaringan interaksi manusia yang komprehensif; dan (ii) protein yang berfungsi sebagai target obat untuk penyakit tertentu juga dapat menjadi target obat yang sesuai untuk potensi infeksi antivirus karena interaksi protein-protein yang dijelaskan oleh interaksi manusia.

HASIL-HASIL

Analisis filogenetik SARS-CoV-2

Sampai saat ini, tujuh HCoV patogen (Gambar 2 a, b ) telah ditemukan: ^{[ 1 , 29 ]}(i) SARS-CoV-2, SARS-CoV, MERS-CoV, HCoV-OC43, dan HCoV-HKU1 adalah Genus β, dan (ii) HCoV-NL63 dan HCoV-229E adalah genus α.  Telah dilakukan analisis filogenetik menggunakan data urutan genom keseluruhan dari 15 HCoV untuk memeriksa hubungan evolusi SARS-CoV-2 dengan HCoVs lainnya. Telah ditemukan bahwa seluruh genom SARS-CoV-2 memiliki ~ 99,99% identitas urutan nukleotida di tiga pasien yang didiagnosis (Tambahan Tabel S1).  SARS-CoV-2 berbagi identitas urutan nukleotida tertinggi (79,7%) dengan SARS-CoV di antara enam HCoV patogen lainnya yang diketahui, hal ini mengungkapkan hubungan evolusi yang terlestarikan antara 2019-nCoV / SARS-CoV-2 dan SARS-CoV (Gambar 2a).

Gambar 2: Analisis filogenetik dari coronavirus.

a : Pohon filogenetik coronavirus (CoV).  Algoritma filogenetik menganalisis konservasi evolusioner di antara seluruh genom dari 15 coronavirus. Warna merah menyoroti coronavirus yang baru muncul, SARS-CoV-2.  Angka pada cabang menunjukkan nilai dukungan bootstrap.  Skala menunjukkan jarak evolusi yang dihitung menggunakan metode p-distance. 
b : Skema skematik untuk genom HCoV.  Informasi genus dan inang virus dilabeli di sebelah kiri dengan warna berbeda.  Kotak abu-abu gelap yang kosong menunjukkan bingkai pembacaan terbuka (ORF).
c – e : Struktur 3D SARS-CoV nsp12 (PDB ID: 6NUR) (c), Spike (PDB ID: 6ACK) (d), dan nukleokapsid (PDB ID: 2CJR) (e) yang ditampilkan didasarkan pada pemodelan homologi.  Informasi genom dan hasil analisis filogenetik disediakan dalam Tabel Tambahan S1 dan S2.

HCoVs memiliki lima bagian protein utama untuk perakitan struktur virus dan replikasi virus ^[29], termasuk replikasi kompleks (ORF1ab), Spike (S), amplop (E), membran (M), dan protein nukleokapsid (N) (Gambar 2b)  Gen ORF1ab mengkodekan protein non-struktural (nsp) kompleks sintesis RNA virus melalui pemrosesan proteolitik. ^[30]  Nsp12 adalah RNA polimerase tergantung RNA virus, bersama dengan co-faktor nsp7 dan nsp8 yang memiliki aktivitas polimerase tinggi.  Dari tampilan struktur 3D protein SARS-CoV nsp12, ini berisi ekstensi terminal-N yang lebih besar (yang berikatan dengan nsp7 dan nsp8) dan domain polimerase (Gambar 2c).  Spike adalah glikoprotein transmembran yang memainkan peran penting dalam memediasi infeksi virus melalui pengikatan reseptor host ^[31, 32].  Gambar 2d menunjukkan struktur 3D dari protein lonjakan yang terikat dengan reseptor inang angiotensin converting enznyme2 (ACE2) dalam SARS-CoV (PDB ID: 6ACK).  Sebuah studi baru-baru ini menunjukkan bahwa SARS-CoV-2 mampu memanfaatkan ACE2 sebagai reseptor entri dalam sel pengekspres ACE2, ^[ 33 ] menyarankan target obat potensial untuk pengembangan terapi.  Lebih lanjut, struktur cryo-EM dari spike dan tes biofisik mengungkapkan bahwa SARS-CoV-2 mengikat ACE2 dengan afinitas yang lebih tinggi daripada SARS-CoV. ^[34]  Selain itu, nukleokapsid juga merupakan subunit penting untuk mengemas genom virus melalui oligomerisasi protein ^[35], dan struktur nukleokapsid tunggal ditunjukkan pada Gambar 2e.

Analisis penjajaran urutan protein menunjukkan bahwa SARS-CoV-2 paling dekat secara evolusioner dengan SARS-CoV (Tabel Tambahan S2).  Secara khusus, amplop dan protein nukleokapsid SARS-CoV-2 adalah dua bagian yang dikonservasi secara evolusioner, masing-masing dengan identitas urutan 96% dan 89,6%, dibandingkan dengan SARS-CoV (Tabel Tambahan S2). Namun, protein Spike menunjukkan konservasi urutan terendah (urutan identitas 77%) antara SARS-CoV-2 dan SARS-CoV.  Sementara itu, protein Spike SARS-CoV-2 hanya memiliki identitas urutan 31,9% dibandingkan dengan MERS-CoV.

Network interaktif HCoV–Inang

Untuk menggambarkan network interaksi HcoV-Inang, telah dikumpulkan protein inang terkait CoV dari empat HCoV yang diketahui (SARS-CoV, MERS-CoV, HCoV-229E, dan HCoV-NL63), satu mouse MHV, dan satu avian IBV (N protein) (Tambahan Tabel S 3).  Secara total, diperoleh 119 protein inang yang terkait dengan CoV dengan berbagai bukti eksperimental.  Secara khusus, protein inang ini merupakan target langsung protein HCoV atau terlibat dalam jalur penting infeksi HCoV.  Jaringan interaksi HcoV-Inang ditunjukkan pada Gambar 3a.  Telah identifikasi beberapa protein hub termasuk JUN, XPO1, NPM1, dan HNRNPA1, dengan jumlah koneksi tertinggi dalam 119 protein. Analisis pengayaan jalur KEGG menggunakan beberapa jalur biologis yang signifikan (nilai P < 0,05) termasuk campak, transport RNA, pensinyalan NF-kappa B, infeksi virus Epstein-Barr dan influenza (Gambar 3 b).  Analisis pengayaan proses biologis gen ontologi (GO) lebih lanjut menginformasikan beberapa proses terkait infeksi virus (nilai P < 0,001) termasuk siklus hidup virus, modulasi dengan morfologi virus atau fisiologi inang dan siklus hidup virus.  Kemudian dipetakan jaringan target obat yang diketahui (lihat Bahan dan Metode) ke dalam interaksi HCoV-Inang untuk mencari target seluler yang dapat ditelusuri, telah ditemukan bahwa 47 protein manusia (39%, titik biru pada Gambar 3a) dapat ditargetkan dengan setidaknya satu obat yang disetujui atau obat eksperimental di bawah uji klinis. Sebagai contoh, GSK3B, DPP4, SMAD3, PARP1, dan IKBKB adalah protein yang paling dapat ditargetkan.  Druggability tinggi dari interaksi HcoV-Inang memotivasi untuk dikembangkan strategi repurposing obat yang secara khusus menargetkan protein seluler yang terkait dengan HCoVs untuk pengobatan potensial SARS-CoV-2.

Gbr. 3: Analisis jaringan target obat dari interaksiHcoV-Inang.

a. : Sebuah subnetwork yang menyoroti interaksi HcoV-Inang.  Node mewakili tiga jenis protein Inang terkait HCoV: targetgable (protein dapat ditargetkan oleh obat yang disetujui atau obat dalam uji klinis), non-targetable (protein tidak memiliki ligan yang diketahui), tetangga (mitra interaksi protein-protein).  Warna tepi menunjukkan lima jenis bukti eksperimental interaksi protein-protein (lihat Bahan dan metode).  Struktur tiga dimensi 3D.
 b, c : jalur manusia KEGG (b) dan analisis pengayaan ontologi gen (c) untuk protein terkait HCoV.

Pengembalian obat berbasis network untuk HCoVs

Dasar untuk metodologi repurposisi obat berbasis jaringan yang diusulkan bertumpu pada anggapan bahwa protein yang berasosiasi dengan virus dan secara fungsional mengatur infeksi virus terlokalisasi dalam subnetwork yang sesuai (Gambar 1a) dalam jaringan interaksi manusia yang komprehensif.  Untuk obat dengan banyak target agar efektif terhadap HCoV, protein targetnya harus berada di dalam atau di sekitar subnetwork yang sesuai dalam interaksi protein-protein manusia (Gambar 1), seperti yang kami tunjukkan pada beberapa penyakit ^{[13 , 22 , 23 , 28]} menggunakan strategi berbasis jaringan ini.  Telah digunakan ukuran kedekatan jaringan canggih untuk mengukur hubungan antara subnetwork khusus HCoV (Gambar 3a) dan target obat dalam interaksi manusia.  Telah dibangun jaringan target obat dengan mengumpulkan informasi target untuk lebih dari 2000 obat yang disetujui FDA atau eksperimental (lihat Bahan dan metode).  Untuk meningkatkan kualitas dan kelengkapan jaringan interaksi protein manusia, kami mengintegrasikan PPI dengan lima jenis data eksperimental: (1) PPI biner dari struktur protein 3D;  (2) PPI biner dari uji ragi-dua-hybrid tinggi-throughput yang tidak bias; (3) interaksi kinase-substrat yang diidentifikasi secara eksperimental; (4) jaringan pensinyalan yang berasal dari data eksperimen; dan (5) PPI yang diturunkan dari literatur dengan berbagai bukti eksperimental (lihat Bahan dan metode).  Telah digunakan ukuran-Z (Z) dan uji permutasi untuk mengurangi bias studi dalam analisis kedekatan jaringan (termasuk simpul hub dalam jaringan manusia yang berinteraksi dengan bias data PPI yang diturunkan dari literatur) seperti yang dijelaskan dalam penelitian terbaru kami. ^[13 , 28]

Secara total, diidentifikasi secara komputatif 135 obat yang dikaitkan (Z < - 1,5 dan P < 0,05, tes permutasi) dengan interaksi HCoV-Inang (Gambar4 a, Tabel tambahan S 4 dan 5).  Untuk memvalidasi bias dari protein seluler yang dikumpulkan dari enam CoV, selanjutnya dihitung perkiraan network dari semua obat untuk empat CoV dengan sejumlah  besar protein inang yang dikenal, termasuk SARS-CoV, MERS-CoV, IBV, dan MHV secara terpisah.   Telah ditemukan bahwa skor Z menunjukan kosistensi diantara 119 protein terkait HCoV yang dikumpulkan dan empat CoV individu lainnya (Gambar 4 b).  Koefisien korelasi Pearson dari perkiraan semua obat untuk HCoV yang dikumpulkan adalah 0,926 vs SARS-CoV (P < 0,001), distribusi t), 0,503 vs MERS-CoV (P <; 0,001), 0,694 vs IBV (P <; 0,001) dan 0,829 vs MHV (P <; 0,001).  Analisis kedekatan network ini  menawarkan kandidat repurposeable dan pengobatan HCoV. 

Gambar 4: Network obat-HCoV yang ditemukan

a : Subnetwork yang menyoroti asosiasi NKT-NAPZA yang diprediksi network yang menghubungkan 135 NAPZA dan NKT.  Dari 2938 obat yang dievaluasi, 135 yang mencapai perkiraan yang signifikan antara target obat dan protein terkait HCoV dalam jaringan interaksi manusia.  Obat-obatan diwarnai dengan kode sistem klasifikasi Anatomical Therapeutic Chemical  (ATC) tingkat pertama.  
b : Peta panas yang menyoroti nilai kedekatan jaringan masing-masing untuk SARS-CoV, MERS-CoV, IBV, dan MHV.  Kunci warna menunjukkan kedekatan network (Z-skor) antara target obat dan protein terkait HCoV dalam jaringan manusia yang berinteraksi. Nilai P dihitung dengan uji permutasi.

Penemuan obat yang dapat digunakan kembali untuk HCoV

Untuk memvalidasi 135 obat yang dapat digunakan kembali untuk HCoV, penelitian ini pertama kali melakukan gene set enrichment analysis (GSEA) menggunakan data transkriptom dari sel inang yang terinfeksi MERS-CoV dan SARS-CoV (lihat Metode).

Data transkriptome ini digunakan sebagai penanda gen untuk HCoVs.  Selain itu, telah diunduh data ekspresi gen dari garis sel manusia yang diobati dengan obat dari database Connectivity Map (CMAP) ^[36] untuk mendapatkan penanda gen obat.  Telah dihitung skor GSEA (lihat Metode) untuk setiap obat dan menggunakan skor ini sebagai indikasi validasi bioinformatika dari 135  obat.  Secara khusus, skor pengayaan  (ES) dihitung untuk setiap set data  HCoV  dan ES > 0 dan P , 0,05 (tes Permutas) digunakan sevagai cut-0ff untuk korelasi yang signifikan dari penanda gen  antara obat dan set data HCov tertentu.  Skor GSEA mulai dari 0 hingga 3 adalah jumlah set data yang memenuhi kriteria ini untuk obat tertentu.  Mesalazine (obat yang disetujui untuk penyakit radang usus), sirolimus (obat imunosupresif yang disetujui), dan equilin (agonis reseptor estrogen yang disetujui untuk gejala menopause) mencapai skor GSEA tertinggi 3, diikuti oleh paroxetine dan melatonin dengan skor GSEA dari 2. Kemudian dilanjutnya memilih 16 obat repurposable berkeyakinan tinggi (Gambar 5 a dan Tabel 1) terhadap HCoV yang menggunakan keahlian subjek berdasarkan pada kombinasi faktor: (i) kekuatan asosiasi yang diprediksi jaringan (skor kedekatan jaringan yang lebih kecil dalam Tambahan Tabel S 4); (ii) validasi oleh analisis GSEA; (iii) bukti antivirus yang dilaporkan literatur, dan (iv) lebih sedikit efek samping yang dilaporkan secara klinis.  Secara khusus, dipresentasikan beberapa obat repurposable terpilih dengan literatur yang dilaporkan sebagai bukti antivirus seperti di bawah ini.

Gambar 5: Ditemukan jaringan obat-protein-HCoV untuk 16 kandidat obat yang dapat diulang.

a : skor yang diprediksi dengan network dan analisis pengayaan pengaturan gen (GSEA) untuk 16 obat yang berpotensi dapat dipakai ulang untuk HCoVs. Konektivitas keseluruhan dari kandidat obat top untuk protein terkait HCoV diperiksa. Sebagian besar obat-obatan ini secara tidak langsung menargetkan protein terkait HCoV melalui jaringan interaksi protein-protein manusia.  Semua koneksi protein terkait obat-target-HCoV diperiksa, dan protein-protein dengan setidaknya lima koneksi ditunjukkan. Kotak ketinggian untuk protein menunjukkan jumlah koneksi.  Skor GSEA untuk delapan obat tidak tersedia (NA) karena kurangnya profil transkriptome untuk obat. 
b - e : Network mekanisme kerja yang disimpulkan untuk empat obat yang dipilih: b toremifene (modulator reseptor estrogen selektif nonsteroid generasi pertama),  c irbesartan (penghambat reseptor angiotensin),  d mercaptopurine (agen antineoplastik antimetabolit dengan sifat imunosupresan), dan e melatonin (amina biogenik untuk mengobati gangguan tidur ritme sirkadian).

Tabel 1. Enambelas obat teratas yang diprediksi dalam network obat yang  repurposable dengan bukti antivirus yang diperoleh dari literatur

Virus hepatitis (HBV) B, Virus hepatitis (HCV) C, Virus hepatitis (HDV)  delta, Virus Ebola (EBOV), Virus Zaire Ebola glikoprotein (ZEBOV-GP), HIV human immunodeficiency virus, EBV Epstein-Barr virus, Virus Andes orthohanta (ANDV), Virus encephalomyocarditis (EMCV) , Feline enteric coronavirus (FECV), Virus Respiratory syncytial (RSV), Enterovirus 71 (EV71) , HSV-1 dan -2 herpes simplex virus, CVB4 Coxsackievirus B4.

Modulator reseptor estrogen selektif

Ekspresi yang berlebihan dari reseptor estrogen telah terbukti memainkan peran penting dalam menghambat replikasi virus ^[37 ].  Modulator reseptor estrogen selektif (SERM) telah dilaporkan memainkan peran yang lebih luas dalam menghambat replikasi virus melalui jalur non-klasik yang terkait dengan reseptor estrogen ^[37].  SERM mengganggu langkah entri paska viral dan mempengaruhi pemicu fusi, karena aktivitas antivirus SERM masih dapat diamati tanpa adanya ekspresi reseptor estrogen yang terdeteksi.  Toremifene (Z = –3,23, Gambar 5a), generasi pertama dari SERM nonsteroid, menunjukkan efek potensial dalam memblokir berbagai infeksi virus, termasuk MERS-CoV, SARS-CoV, dan virus Ebola dalam cell line yang ditetapkan. ^[17 , 38]  Dibandingkan dengan jalur antivirus terkait ESR1 klasik, toremifene mencegah fusi antara membran virus dan endosom dengan berinteraksi dengan dan mengacaukan glikoprotein membran virus, dan akhirnya menghambat replikasi virus ^[39].  Seperti ditunjukkan pada Gambar 5b, toremifene berpotensi mempengaruhi beberapa protein host utama yang terkait dengan HCoV, seperti RPL19, HNRNPA1, NPM1, EIF3I, EIF3F, dan EIF3E [^40]. ^, 41]..  Equilin (Z = –2,52 dan skor GSEA = 3), steroid estrogenik yang diproduksi oleh kuda, juga telah terbukti memiliki aktivitas sedang dalam menghambat masuknya virus glikoprotein Zaire Ebola dan virus human immunodeficiency virus (ZEBOV-GP / HIV)  ^[18^]  . Secara keseluruhan, SERM yang diprediksi jaringan (seperti toremifene dan equilin) menawarkan kandidat obat-obatan yang dapat digunakan kembali untuk 2019-nCoV / SARS-CoV-2.

Angiotensin receptor blocker

Angiotensin receptor blockers (ARBs) telah dilaporkan dikaitkan dengan infeksi virus, termasuk HcoVs. ^{[42, 43, 44]}   Irbesartan ( Z = –5,98), ARB khas, telah disetujui oleh FDA untuk pengobatan hipertensi dan nefropati diabetik. Disini, analisis kedekatan jaringan menunjukkan hubungan yang signifikan antara target irbesartan dan protein host terkait HCoV dalam interaksi manusia.  Seperti ditunjukkan pada Gambar 5c, irbesartan menargetkan SLC10A1, yang mengkode protein sodium / bile acid cotransporter (NTCP) yang telah diidentifikasi sebagai reseptor spesifik preS1 fungsional untuk virus hepatitis B (HBV) dan virus hepatitis delta (HDV). Irbesartan dapat menghambat NTCP, sehingga menghambat masuknya virus ^{[45 , 46 ]} SLC10A1 berinteraksi dengan C11orf74, penekan transkripsional potensial yang berinteraksi dengan nsp-10 dari SARS-CoV. ^[47]  Ada beberapa ARB lain (seperti eletriptan, frovatriptan, dan zolmitriptan) di mana target mereka berpotensi terkait dengan protein inang terkait HCoV dalam interaksi manusia.

Agen imunosupresan atau antineoplastik

Penelitian sebelumnya telah mengkonfirmasi target mamalia rapamycin complex 1 (mTORC1) sebagai faktor kunci dalam mengatur berbagai replikasi virus, termasuk Andes orthohantavirus dan coronavirus ^{[ 48 , 49 ]}.  Sirolimus ( Z = –2,35 dan skor GSEA = 3), penghambat target mamalia dari rapamycin (mTOR), dilaporkan secara efektif memblokir ekspresi protein virus dan pelepasan virion secara efektif. ^[50]  Memang, penelitian terbaru mengungkapkan aplikasi klinis: sirolimus mengurangi infeksi MERS-CoV lebih dari 60% ^[51].  Selain itu, penggunaan sirolimus dalam mengelola pasien dengan pneumonia H1N1 yang parah dan gagal pernapasan akut dapat meningkatkan prognosis pasien secara signifikan. Mercaptopurine (Z = –2,44 dan skor GSEA = 1), agen antineoplastik dengan properti imunosupresan, telah digunakan untuk mengobati kanker sejak tahun 1950-an dan memperluas aplikasinya ke beberapa penyakit kekebalan tubuh, termasuk rheumatoid arthritis, systemic lupus erythematosus, dan Crohn's. penyakit ⁵² . Mercaptopurine telah dilaporkan sebagai inhibitor selektif baik SARS-CoV dan MERS-CoV dengan menargetkan protease seperti papain yang memainkan peran kunci dalam pematangan virus dan antagonisme terhadap stimulasi interferon ^53 , 54 . Secara mekanis, mercaptopurine berpotensi menargetkan beberapa protein inang dalam HCoVs, seperti JUN, PABPC1, NPM1, dan NCL ^40 , 55 (Gbr. 5d ).

Agen anti-inflamasi

Jalur inflamasi memainkan peran penting dalam infeksi virus ^[56 , 57].  Sebagai amina biogenik, melatonin (N-asetil-5-metoksitriptamin) (Z= -1,72 dan skor GSEA = 2) memainkan peran kunci dalam berbagai proses biologis, dan menawarkan strategi potensial dalam pengelolaan infeksi virus ^{[ 58 , 59 ]}.  Infeksi virus sering dikaitkan dengan cedera imun-inflamasi, di mana tingkat stres oksidatif meningkat secara signifikan dan meninggalkan efek negatif pada fungsi beberapa organ ^[60].  Efek antioksidan melatonin menjadikannya kandidat obat untuk meredakan gejala klinis pasien dalam pengobatan antivirus, walaupun melatonin tidak dapat membasmi atau bahkan mengekang replikasi atau transkripsi virus ^[61 , 62]. Selain itu, penerapan melatonin dapat memperpanjang waktu hidup pasien, yang dapat memberikan kesempatan bagi sistem kekebalan pasien untuk pulih dan akhirnya memberantas virus. Seperti ditunjukkan pada Gambar 5e, melatonin secara tidak langsung menargetkan beberapa target seluler HCoV, termasuk ACE2, BCL2L1, JUN, dan IKBKB. Eplerenone (Z= -1,59), antagonis reseptor aldosteron, dilaporkan memiliki efek anti-inflamasi yang sama dengan melatonin.  Dengan menghambat proteinase yang diturunkan sel mast dan menekan fibrosis, eplerenone dapat meningkatkan kelangsungan hidup tikus yang terinfeksi virus ensefalomiokarditis. ^[63]

Singkatnya, analisis kedekatan jaringan kami menawarkan beberapa kandidat obat yang dapat digunakan kembali yang menargetkan beragam jalur seluler untuk pencegahan potensial dan pengobatan SARS-CoV-2. Namun, percobaan praklinis lebih lanjut ^[64] dan uji klinis diperlukan untuk memverifikasi manfaat klinis dari kandidat yang diprediksi jaringan ini sebelum penggunaan klinis.

Identifikasi berbasis network kombinasi obat potensial untuk SARS-CoV-2

Kombinasi obat, menawarkan peningkatan efikasi terapeutik dan pengurangan toksisitas, memainkan peran penting dalam mengobati berbagai infeksi virus.^[65].  Namun, kemampuan peneliti untuk mengidentifikasi dan memvalidasi kombinasi yang efektif dibatasi oleh begitu banyaknya kombinasi dengan sejumlah besar pasangan obat-obat dan kombinasi dosis.  Dalam penelitian terbarunya, telah diusulkan metodologi berbasis network baru untuk mengidentifikasi kombinasi obat yang efektif secara klinis.  Mengandalkan kombinasi obat yang disetujui untuk hipertensi dan kanker, telah ditemukan bahwa kombinasi obat secara terapi hanya efektif jika ditangkap dengan pola " Complementary Exposure"atau paparan komplementer: target obat sama-sama mengenai modul penyakit, tetapi menargetkan lingkungan yang terpisah (Gambar 6a).  Di sini diusahakan untuk mengidentifikasi kombinasi obat yang dapat memberikan efek sinergis berpotensi mengobati SARS-CoV-2 dengan mekanisme aksi yang jelas dengan analisis network.  Untuk 16 obat yang berpotensi dapat diulang kembali (Gambar 5a, Tabel 1), kami memamerkan tiga kombinasi obat yang diprediksi network untuk SARS-CoV-2.  Semua kemungkinan kombinasi yang diperkirakan dapat ditemukan di Tabel S6 Tambahan.

Gambar 6: Desain rasional kombinasi berbasis obat untuk SARS-CoV-2

a Modus paparan yang mungkin dari modul protein terkait HCoV ke kombinasi obat berpasangan. Kombinasi obat yang efektif akan ditangkap oleh pola " Complementary Exposure ": target obat-obatan tersebut keduanya mengenai subnetwork HCoV-host, tetapi menargetkan lingkungan yang terpisah di jaringan interaksi manusia. Z _CA dan Z _CB menunjukkan kedekatan jaringan ( Z- skor) antara target (Obat A dan B) dan HCoV tertentu. S _AB menunjukkan skor pemisahan (lihat Bahan dan metode) dari target antara Obat A dan Obat B. 

b-d Jaringan mekanisme aksi yang disimpulkan untuk tiga kombinasi obat berpasangan yang dipilih: 

b sirolimus (imunosupresan kuat dengan sifat antijamur dan antineoplastik) ditambah daktinomisin (penghambat sintesis RNA untuk pengobatan berbagai tumor),

c toremifene (modulator reseptor estrogen selektif nonsteroid selektif generasi pertama) plus emodin (obat percobaan untuk pengobatan ginjal polikistik), dan

d melatonin (amina biogenik untuk mengobati gangguan tidur ritme sirkadian) ditambah mercaptopurine (suatu agen antineoplastik antimetabolit dengan sifat imunosupresan).

Sirolimus plus Dactinomycin

Sirolimus, penghambat mTOR dengan sifat antijamur dan antineoplastik, telah menunjukkan peningkatan hasil pada pasien dengan pneumonia H1N1 berat dan kegagalan pernapasan akut^.[50]. Pensinyalan mTOR berperan penting untuk infeksi MERS-CoV. ^[66]  Dactinomycin, juga dikenal sebagai actinomycin D, adalah inhibitor sintesis RNA yang disetujui untuk pengobatan berbagai jenis kanker.  Sebuah studi awal menunjukkan bahwa daktinomisin (1 μg / ml) menghambat pertumbuhan CoV ^[67] enterik kucing.  Seperti ditunjukkan pada Gambar 6b, analisis network ini menunjukkan bahwa sirolimus dan daktinomisin secara sinergis menargetkan subnetwork protein inang terkait HCoV dengan pola “Complementary Exposure”, yang menawarkan rejimen kombinasi potensial untuk pengobatan HCoV.  Secara khusus, sirolimus dan daktinomisin dapat menghambat jalur pensinyalan mTOR dan sintesis RNA (termasuk DNA topoisomerase 2-alpha (TOP2A) dan DNA topoisomerase 2-beta (TOP2B)) dalam sel yang terinfeksi HCoV (Gambar 6b).

Toremifene plus Emodin

Toremifene adalah salah satu dari SERM non-steroid generasi pertama yang disetujui untuk pengobatan kanker payudara metastatik.^[68]  SERM (termasuk toremifene) menghambat infeksi virus Ebola ^[18] dengan berinteraksi dengan dan mengganggu kestabilan glikoprotein virus Ebola.^[39]  Tes in vitro telah menunjukkan bahwa toremifene menghambat pertumbuhan MERS-CoV ^[17 , 69] dan SARA-CoV ^[38] (Tabel 1 ).  Emodin, turunan antrakuinon yang diekstrak dari akar rheum tanguticum, telah dilaporkan memiliki berbagai efek anti-virus.  Secara khusus, emdoin menghambat SARS-CoV terkait protein 3a ^[70], dan memblokir interaksi antara protein lonjakan SARS-CoV dan ACE2. ^[71]  Secara keseluruhan, analisis jaringan dan data eksperimen yang dipublikasikan menunjukkan bahwa menggabungkan toremifene dan emdoin menawarkan pendekatan terapi potensial untuk SARS-CoV-2 (Gambar 6c).

Mercaptopurine plus Melatonin

Seperti ditunjukkan pada Gambar 5a, target mercaptopurine dan melatonin menunjukkan kedekatan network yang kuat dengan protein inang terkait HCoV dalam network manusia yang berinteraksi.  Studi in vitro dan in vivo baru-baru ini mengidentifikasi mercaptopurine sebagai inhibitor selektif SARS-CoV dan MERS-CoV dengan menargetkan protease seperti papain ^[53 , 54].  Melatonin dilaporkan berpotensi sebagai infeksi antivirus melalui efek antiinflamasi dan antioksidannya. ^{[58 , 59 , 60 , 61 , 62]}  Melatonin secara tidak langsung mengatur ekspresi ACE2, reseptor entri kunci yang terlibat dalam infeksi virus HCoVs, termasuk SARS-CoV-2. ^[33]  Secara khusus, melatonin dilaporkan menghambat calmodulin dan calmodulin berinteraksi dengan ACE2 dengan menghambat pelepasan ectodomain-nya, proses infeksi utama dari SARS-CoV ^[72 , 73].  JUN, juga dikenal sebagai c-Jun, adalah protein host utama yang terlibat dalam virus bronkitis infeksi HcoV ^[74].  Seperti ditunjukkan pada Gambar 6d, mercaptopurine dan melatonin dapat secara sinergis memblokir pensinyalan c-Jun dengan menargetkan beberapa target seluler.  Singkatnya, kombinasi mercaptopurine dan melatonin dapat menawarkan terapi kombinasi potensial untuk 2019-nCoV / SARS-CoV-2 dengan secara sinergis menargetkan protease seperti papain, ACE2, pensinyalan c-Jun, dan jalur antiinflamasi (Gambar 6d).  Namun, pengamatan eksperimental lebih lanjut pada jalur ACE2 oleh melatonin pada SARS-CoV-2 sangat diperlukan.

DISKUSI

Dalam penelitiannya, dipresentasikan metodologi berbasis network untuk identifikasi sistematis obat-obatan yang dapat dipakai ulang dan kombinasi obat untuk potensi perawatan 2019-nCoV / SARS-CoV-2.  Integrasi network target obat, interaksi HcoV-Inang, transkriptom yang diinduksi HCoV dalam cell line manusia, dan jaringan interaksi protein-protein manusia sangat penting untuk identifikasi tersebut.  Berdasarkan evaluasi komprehensif, kami memprioritaskan 16 kandidat obat yang dapat dipakai ulang (Gambar 5) dan 3 kombinasi obat yang potensial (Gambar 6) untuk menargetkan 2019-nCoV / SARS-CoV-2.  Namun, meskipun sebagian besar prediksi telah divalidasi oleh berbagai data literatur (Tabel 1), semua obat yang diprediksi ulang network dan kombinasi obat harus divalidasi dalam berbagai tes eksperimental SARS-CoV-2 ^[64] dan uji klinis acak sebelum sedang digunakan pada pasien.

Diakui beberapa keterbatasan dalam penelitiannya.  Meskipun SARS-CoV-2 berbagi identitas urutan nukleotida tinggi dengan HCoV lain (Gambar 2), diprediksi tidak spesifik SARS-CoV-2 karena kurangnya protein inang yang diketahui pada SARS-CoV-2. Telah digunakan nilai afinitas ikatan rendah 10 μM sebagai ambang batas untuk menentukan interaksi obat-target fisik.  Namun, ambang afinitas pengikatan yang lebih kuat (misalnya, 1 μM) mungkin lebih cocok dalam penemuan obat, meskipun akan menghasilkan network target obat yang lebih kecil. Meskipun upaya yang cukup besar dilakukan untuk merakit skala besar, eksperimen network obat-target dilaporkan dari database yang tersedia untuk umum, data network mungkin tidak lengkap dan beberapa interaksi obat-target mungkin asosiasi fungsional, bukan ikatan fisik.  Sebagai contoh, Silvestrol, produk alami dari flavagline, ditemukan memiliki aktivitas antivirus terhadap Ebola ^[75] dan Coronaviruses. ^[76]  Setelah menambahkan targetnya, enzim RNA helicase EIF4A ^[76], silvestrol diperkirakan secara signifikan terkait dengan HCoV (Z= -1,24, P = 0,041) dengan analisis kedekatan jaringan.  Untuk meningkatkan jangkauan network target obat, dapat digunakan pendekatan komputasi untuk memprediksi secara sistematis interaksi target obat lebih lanjut. [ ^25 , 26].  Selain itu, interaksi virus-inang yang dikumpulkan masih jauh dari kelengkapan dan kualitasnya dapat dipengaruhi oleh beberapa faktor, termasuk tes eksperimental yang berbeda dan model cell line manusia.  Dapat diprediksi secara komputasi interaksi virus-inang baru untuk 2019-nCoV / SARS-CoV-2 menggunakan pendekatan berbasis-urutan dan berbasis-struktur. ^[77]  Target obat yang mewakili simpul dalam jaringan seluler sering secara intrinsik digabungkan dengan profil terapeutik dan profil buruk, karena obat dapat menghambat atau mengaktifkan fungsi protein (termasuk antagonis vs agonis).  Model farmakologi sistem saat ini tidak dapat memisahkan efek terapeutik (antivirus) dari prediksi tersebut karena kurangnya efek farmakologis terperinci dari target obat dan konsekuensi fungsional yang tidak diketahui dari interaksi virus-host.  Identifikasi komprehensif dari virus-inang berinteraksi untuk SARS-CoV-2, dengan efek biologis spesifik menggunakan uji genomik fungsional ^[79 , 80], akan secara signifikan meningkatkan akurasi metodologi yang diusulkan berbasis network lebih lanjut.

Karena kurangnya informasi target obat lengkap (seperti "pergaulan" molekul obat), efek dosis-respons dan dosis-toksisitas untuk obat yang dapat dipakai ulang dan kombinasi obat tidak dapat diidentifikasi dalam model jaringan saat ini.  Sebagai contoh, Mesalazine, obat yang disetujui untuk penyakit radang usus, adalah obat repurposable yang diprediksikan oleh jaringan terkait dengan HCoV (Gambar 5a).  Namun, beberapa studi klinis menunjukkan potensi toksisitas paru (termasuk pneumonia) terkait dengan penggunaan mesalazine ^[81 , 82].  Integrasi ekspresi gen spesifik paru ^[23] dari protein inang SARS-CoV-2 dan pemodelan farmakokinetik berbasis fisiologis ^[83] dapat mengurangi efek samping dari obat yang dapat dipakai ulang atau kombinasi obat.  Studi praklinis dijamin untuk mengevaluasi efisiensi in vivo dan efek samping sebelum uji klinis.  Selain itu Yadi Zhiu dkk hanya terbatas untuk memprediksi kombinasi obat berpasangan berdasarkan kerangka kerja penelitiannya sebelumnya berbasis network.^[28]  Namun, peneliti ini berharap bahwa metodologinya tetap menjadi alat berbasis network yang berguna untuk prediksi menggabungkan beberapa obat menuju mengeksplorasi hubungan network target beberapa obat dengan subnetwork HCoV-Inang dalam interaksi manusia.  Akhirnya, para peneliti ini bertujuan untuk mengidentifikasi secara sistematis obat yang dapat dipakai ulang dengan hanya menargetkan protein inang nCoV saja.  Dengan demikian, model network ini saat ini tidak dapat memprediksi obat yang dapat dipakai kembali dari obat anti-virus yang ada yang hanya menargetkan protein virus.  Dengan demikian, kombinasi obat anti-virus yang ada (seperti remdesivir ^[64] dengan obat yang dapat dipulihkan dengan jaringan (Gambar 5) atau kombinasi obat (Gambar 6) dapat meningkatkan cakupan metodologi berbasis network saat ini dengan memanfaatkan multi-layer kerangka kerja. ^[16]

Sebagai kesimpulan, penelitiannya menawarkan metodologi farmakologi sistem berbasis jaringan yang kuat dan integratif untuk identifikasi cepat obat-obatan yang dapat dipakai kembali dan kombinasi obat untuk potensi pengobatan SARS-CoV-2.  Pendekatan kami dapat meminimalkan kesenjangan translasi antara hasil pengujian praklinis dan hasil klinis, yang merupakan masalah signifikan dalam pengembangan cepat strategi pengobatan yang efisien untuk wabah SARS-CoV-2 yang baru muncul.  Dari perspektif translasi, jika diterapkan secara luas, alat jaringan yang dikembangkan di sini dapat membantu mengembangkan strategi pengobatan yang efektif untuk infeksi virus lain yang muncul dan penyakit kompleks manusia lainnya juga.

BAHAN DAN METODE

Informasi genom dan analisis filogenetik

Secara total, telah dikumpulkan urutan DNA dan urutan protein untuk 15 HCoV, termasuk tiga genom SARS-CoV-2 terbaru, dari database NCBI GenBank (28 Januari 2020, Tambahan Tabel S1).  Penyelarasan seluruh genom dan perhitungan identitas urutan protein dilakukan dengan Multiple Sequence Alignment dalam basis data EMBL-EBI (https://www.ebi.ac.uk/) dengan parameter default.  Pohon neighbor joining (NJ) dihitung dari matriks jarak filogenetik berpasangan menggunakan MEGA X ^[84] dengan 1000 ulangan bootstrap.  Penyelarasan protein dan pohon filogenetik HCoV dibangun oleh MEGA X. ^[84]

Membangun interaksi virus-inang

Telah dikumpulkan interaksi protein inang HCoV dari berbagai literatur berdasarkan upayanya yang cukup besar.  Protein inang terkait HCoV dari beberapa HCoV, termasuk SARS-CoV, MERS-CoV, IBV, MHV, HCoV-229E, dan HCoV-NL63 dikumpulkan.  Protein-protein ini adalah target langsung protein HCoV atau terlibat dalam jalur kritis infeksi HCoV yang diidentifikasi oleh berbagai sumber eksperimental, termasuk sistem yeast-two-hybrid (Y2H) throughput tinggi, uji tarik protein virus, in vitro co- percobaan imunopresipitasi dan RNA.  Secara total, jaringan interaksi virus-host termasuk 6 HCoV dengan 119 protein host (Tambahan Tabel S3).

Analisis pengayaan fungsional

Selanjutnya, kelompok peneliti ini melakukan Kyoto Encyclopedia of Genes and Genomes (KEGG) dan analisis pengayaan Gene Ontology (GO) untuk mengevaluasi relevansi biologis dan jalur fungsional protein terkait HCoV.  Semua analisis fungsional dilakukan menggunakan Enrichr ⁸⁵ .

Membangun networking target obat

Di sini, kami mengumpulkan informasi interaksi target obat dari database DrugBank (v4.3) ^[86], Database Target Terapi (TTD) ^[87], database PharmGKB, ChEMBL (v20) ^[88], BindingDB ^[89], dan IUPHAR / BPS Guide to PHARMACOLOGY ^[90].  Struktur kimia dari setiap obat dengan format SMILES diekstraksi dari DrugBank ^[86].  Di sini, interaksi obat-target yang memenuhi tiga kriteria berikut digunakan: (i) afinitas yang mengikat, termasuk K _i , K _d , IC ₅₀ , atau EC ₅₀ masing-masing ≤10 μM; (ii) target ditandai sebagai "ditinjau" dalam basis data UniProt ^[91]; dan (iii) target manusia diwakili oleh nomor aksesi unik UniProt.  Rincian untuk membangun jaringan target obat yang divalidasi secara eksperimental disediakan dalam penelitiannya yang terbaru. ^{[13 , 23 , 28]}

Membangun interaksi protein-protein manusia

Untuk membuat daftar PPI manusia yang komprehensif, telah dikumpulkan data dari total 18 basis data bioinformatika dan sistem biologi dengan lima jenis bukti eksperimental: (i) PPI biner diuji dengan sistem high-throughput yeast-two-hybrid (Y2H);  (ii) PPI fisik biner dari struktur protein 3D; (iii) interaksi substrat kinase dengan eksperimen throughput rendah yang diturunkan atau eksperimen throughput tinggi; (iv) jaringan pensinyalan melalui eksperimen throughput rendah diambil dari literatur; dan (v) PPI yang dikuratori literatur diidentifikasi dengan pemurnian afinitas diikuti dengan spektrometri massa (AP-MS), Y2H, atau dengan eksperimen throughput rendah yang diambil dari literatur.  Semua data yang disimpulkan, termasuk analisis evolusi, data ekspresi gen, dan asosiasi metabolisme, dikeluarkan.  Gen-gen itu dipetakan ke ID Entrez mereka berdasarkan pada database NCBI ^[92] dan juga simbol gen resmi mereka berdasarkan pada GeneCards (https://www.genecards.org/).  Secara total, interaksi protein manusia-protein yang digunakan dalam penelitian ini mencakup 351.444 PPI unik (tepi atau tautan) yang menghubungkan 17.706 protein (node), mewakili peningkatan 50% dalam jumlah PPI yang telah kami gunakan sebelumnya.  Deskripsi terperinci untuk membangun interaksi protein-protein manusia disediakan dalam penelitian kami sebelumnya. ^{[13 , 23 , 28 , 93]}.

Ukuran kedekatan network

Para peneliti ini berpendapat bahwa PPI manusia memberikan peta jalan yang rasional dan tidak memihak untuk repurposing obat untuk pengobatan potensial HCoV di mana mereka awalnya tidak disetujui.  Mengingat C, himpunan gen inang yang terkait dengan HCoV spesifik, dan T, himpunan target obat, kami menghitung kedekatan network C dengan himpunan target T dari setiap obat menggunakan metode "terdekat": Semua network divisualisasikan menggunakan Gephi 0.9.2 (https://gephi.org/).

Prediksi rasional berbasis kombinasi obat

Agar pendekatan berbasis jaringan ini agar kombinasi obat menjadi efektif, kita perlu menentukan apakah hubungan topologis antara dua modul target obat mencerminkan hubungan biologis dan farmakologis, sementara juga mengukur hubungan berbasis jaringan antara target obat dan protein inang terkait HCoV (kombinasi obat-obat-HCoV).  Untuk mengidentifikasi kombinasi obat yang potensial, telah digabungkan daftar obat teratas.  Kemudian, "pemisahan" ukuran S _AB dihitung untuk setiap pasangan obat A dan B menggunakan metode berikut:

Metodologi utama disini adalah bahwa kombinasi obat efektif secara terapeutik hanya jika mengikuti hubungan spesifik dengan modul penyakit, sebagaimana ditangkap oleh pola Paparan Komplementer dalam modul target kedua obat tanpa tumpang tindih mekanisme toksik. ^[28].

Analisis pengayaan mengatur gen

Telah dilakukan analisis pengayaan mengatur gen sebagai metode prioritas tambahan.  Pertama kali mengumpulkan tiga set data ekspresi gen diferensial dari inang yang terinfeksi oleh HCoVs dari NCBI Gene Expression Omnibus (GEO).  Di antara mereka, dua set data transkriptome adalah sampel yang terinfeksi SARS-CoV dari darah perifer pasien ^[94](GSE1739) dan Calu-3 sel ^[95] (GSE33267), masing-masing. Satu set data transkriptome adalah sel Calu-3 yang terinfeksi MERS-CoV- ^[96] (GSE122876).  Nilai P yang disesuaikan kurang dari 0,01 didefinisikan sebagai gen yang diekspresikan secara diferensial. Set data ini digunakan sebagai tanda tangan HCoV untuk mengevaluasi efek pengobatan obat.  Ekspresi gen diferensial dalam sel yang diobati dengan berbagai obat diambil dari database Connectivity Map (CMAP) ^[36], dan digunakan sebagai profil gen untuk obat-obatan tersebut.  Untuk setiap obat yang ada di set data CMAP dan jaringan target obat kami, kami menghitung skor pengayaan (ES) untuk setiap set data tanda tangan HCoV berdasarkan metode yang dijelaskan sebelumnya. ^[97] 

Daftar Pustaka

1.     Zumla, A., Chan, JF, Azhar, EI, Hui, DS & Yuen, KY Coronaviruses — drug discovery and therapeutic options. Nat Rev. Drug Discov. 15 , 327–347 (2016).

2.     Paules, CI, Marston, HD & Fauci, AS Coronavirus infections — more than just the common cold. JAMA 323 , 707–708 (2020).

3.     de Wit, E., van Doremalen, N., Falzarano, D. & Munster, VJ SARS and MERS: recent insights into emerging coronaviruses. Nat Rev. Microbiol. 14 , 523-534 (2016).

4.     de Wilde, AH, Snijder, EJ, Kikkert, M. & van Hemert, MJ Host factors in coronavirus replication. Curr. Top Microbiol. Immunol. 419 , 1–42 (2018).

5.     Chen, N. et al. Epidemiological and clinical characteristics of 99 cases of 2019 novel coronavirus pneumonia in Wuhan, China: a descriptive study. Lancet 395 , 507-513 (2020).

6.     Li, Q. et al. Early transmission dynamics in Wuhan, China, of novel coronavirus-infected pneumonia. N. Engl. J. Med . https://doi.org/10.1056/NEJMoa2001316 (2020) (in press).

7.     Greene, JA & Loscalzo, J. Putting the patient back together — social medicine, network medicine, and the limits of reductionism. N. Engl. J. Med. 377 , 2493–2499 (2017).

8.     Avorn, J. The $ 2.6 billion pill-methodologic and policy considerations. N. Engl. J. Med. 372 , 1877–1879 (2015).

9.     Cheng, F. In silico oncology drug repositioning and polypharmacology. Mol Method. Biol 1878 , 243-261 (2019).

10. Cheng, F., Hong, H., Yang, S. & Wei, Y. Individualized network-based drug repositioning infrastructure for precision oncology in the panomics era. Brief Bioinformatics 18 , 682–697 (2017).

11. Cheng, F., Murray, JL & Rubin, DH Drug repurposing: new treatments for Zika virus infection? Mol Trends. Med 22 , 919–921 (2016).

12. Santos, R. et al. A comprehensive map of molecular drug targets. Nat Rev. Drug Discov. 16 , 19–34 (2017).

13. Cheng, F. et al. Network-based approach to prediction and population-based validation of silico drug repurposing. Nat Commun. 9 , 2691 (2018).

14. Cheng, F. et al. The biology-based investigation of cellular antiviral drug targets is identified by gene-trap insertional mutagenesis. PLoS Comput. Biol 12 , e1005074 (2016).

15. Yang, S., Fu, C., Lian, X., Dong, X. & Zhang, Z. Understanding human-virus protein-protein interactions using a human protein complex-based analysis framework. mSystems 4 , e00303 (2019).

16. Liu, C. et al. Computational network biology: data, models, and applications. Phys. Rep. https://doi.org/10.1016/j.physrep.2019.12.004 (2020) (in press).

17. Dyall, J. et al. Repurposing of clinically developed drugs for treatment of Middle East respiratory syndrome coronavirus infection. Antimicrob. Agents Chemother. 58 , 4885–4893 (2014).

18. Johansen, LM et al. FDA-approved selective estrogen receptor modulators inhibit Ebola virus infection. Sci Transl. Med 5 , 190ra179 (2013).

19. He, S. et al. Repurposing of the antihistamine chlorcyclizine and related compounds for treatment of hepatitis C virus infection. Sci Transl. Med 7 , 282ra249 (2015).

20. Barrows, NJ et al. A screen of FDA-approved drugs for inhibitors of Zika virus infection. Cell Host. Microbe 20 , 259–270 (2016).

21. Xu, M. et al. Identification of small-molecule inhibitors of Zika virus infection and induced neural cell death via a drug repurposing screen. Nat Med 22 , 1101-1107 (2016).

22. Cheng, F. et al. Prediction of drug-target interactions and drug repositioning via network-based inference. PLoS Comput. Biol 8 , e1002503 (2012).

23. Cheng, F. et al. A genome-wide positioning system network algorithm for silico drug repurposing. Nat Commun. 10 , 3476 (2019).

24. Zeng, X. et al. deepDR: a network-based deep learning approach to silico drug repositioning. Bioinformatics 35 , 5191–5198 (2019).

25. Zeng, X. et al. Target identification of known drugs by deep learning from heterogeneous networks. Chem Sci 11 , 1775-1797 (2020).

26. Zeng, X. et al. Network-based prediction of drug-target interactions using an arbitrary-order proximity embedded deep forest. Bioinformatics https://doi.org/10.1093/bioinformatics/btaa010 (2020) (in press).

27. Fang, J. et al. Network-based translation of GWAS findings to pathobiology and drug repurposing for Alzheimer's disease. MedRxiv . https://doi.org/10.1101/2020.01.15.20017160 (2020).

28. Cheng, F., Kovacs, IA & Barabasi, AL Network-based prediction of drug combinations. Nat Commun. 10 , 1197 (2019).

29. Forni, D., Cagliani, R., Clerici, M. & Sironi, M. Molecular evolution of human coronavirus genomes. Microbiol Trends. 25 , 35–48 (2017).

30. Kirchdoerfer, RN & Ward, AB Structure of the SARS-CoV nsp12 polymerase bound to nsp7 and nsp8 co-factors. Nat Commun. 10 , 2342 (2019).

31. Li, F., Li, W., Farzan, M. & Harrison, SC Structure of SARS coronavirus spike receptor-binding domain complexed with receptors. Science 309 , 1864-1868 (2005).

32. Lu, R. et al. Genomic characterization and epidemiology of the 2019 novel coronavirus: implications for virus origins and receptor binding. Lancet 395 , 565-574 (2020).

33. Zhou, P. et al. A pneumonia outbreak is associated with a new coronavirus of probable bat origin. Nature https://doi.org/10.1038/s41586-020-2012-7 (2020).

34. Wrapp, D. et al. Cryo-EM structure of the 2019-nCoV spike in the prefusion conformation. Science https://doi.org/10.1126/science.abb2507 (2020).

35. Chang, CK, Chen, CM, Chiang, MH, Hsu, YL & Huang, TH Transient oligomerization of the SARS-CoV N protein-implication for ribonucleoprotein virus packaging. PLoS ONE 8 , e65045 (2013).

36. Lamb, J. et al. The Connectivity Map: using gene-expression signatures to connect small molecules, genes, and disease. Science 313 , 1929–1935 (2006).

37. Lasso, G. et al. A structure-informed atlas of human-virus interactions. Cell 178 , 1526–1541.e1516 (2019).

38. de Wilde, AH et al. Screening of an FDA-approved compound library identifies four small-molecule inhibitors of Middle East respiratory syndrome coronavirus replication in cell culture. Antimicrob. Agents Chemother. 58 , 4875–4884 (2014).

39. Zhao, Y. et al. Toremifene interacts with and destabilizes the Ebola virus glycoprotein. Nature 535 , 169–172 (2016).

40. Emmott, E. et al. The cellular interactome of the coronavirus infectious bronchitis, nucleocapsid protein viruses and functional implications for virus biology. J. Virol. 87 , 9486–9500 (2013).

41. V'Kovski, P. et al. Determination of host proteins composing the microenvironment of coronavirus replicase complexes by proximity-labeling. Elife 8 , e42037 (2019).

42. Moskowitz, DW & Johnson, FE The central role of angiotensin I-converting enzyme in vertebrate pathophysiology. Curr. Top Med Chem 4 , 1433–1454 (2004).

43. Seko, Y. Effect of the angiotensin II olmesartan receptor blocker on the development of murine acute myocarditis caused by coxsackievirus B3. Clin Sci 110 , 379–386 (2006).

44. Erlandson, KM et al. The impact of statin and angiotensin-converting enzyme inhibitors / angiotensin receptor blocker therapy on cognitive function in adults with human immunodeficiency virus infection. Clin Infect. Dis. 65 , 2042-2049 (2017).

45. Wang, XJ et al. Irbesartan, an FDA approved drug for hypertension and diabetic nephropathy, is a potent inhibitor for hepatitis B virus entry by disturbing Na (+) - dependent taurocholate cotransporting polypeptide activity. Antivir. Res. 120 , 140–146 (2015).

46. Ko, C. et al. The FDA-approved drug irbesartan inhibits HBV-infection in HepG2 cells stably expressing sodium taurocholate co-transporting polypeptide. Antivir. Ther 20 , 835–842 (2015).

47. Hong, M. et al. Identification of a novel transcriptional repressor (HEPIS) that interacts with nsp-10 of SARS coronavirus. Viral Immunol. 21 , 153–162 (2008).

48. McNulty, S., Flint, M., Nichol, ST & Spiropoulou, CF Host mTORC1 signaling regulates andes virus replication. J. Virol. 87 , 912–922 (2013).

49. Stohr, S. et al. The mTORC1 host cell is required for HCV RNA replication. Gut 65 , 2017–2028 (2016).

50. Wang, CH et al. Adjuvant treatment with a target of rapamycin inhibitors, sirolimus, and steroids improves outcomes in patients with severe H1N1 pneumonia and acute respiratory failure. Crit Care Med. 42 , 313–321 (2014).

51. Dyall, J. et al. Middle East respiratory syndrome and severe acute respiratory syndrome: current therapeutic options and potential targets for novel therapies. Drugs 77 , 1935–66 (2017).

52. Karran, P. & Attard, N. Thiopurines in current medical practice: molecular mechanisms and contributions to therapy-related cancer. Nat Rev. Cancer 8 , 24–36 (2008).

53. Chen, X., Chou, CY & Chang, GG Thiopurine analogue inhibitors of severe acute respiratory syndrome-coronavirus papain-like proteases, a deubiquitinating and deISGylating enzyme. Antivir. Chem Chemother. 19 , 151–156 (2009).

54. Cheng, KW et al. Thiopurine analogs and mycophenolic acid synergistically inhibit the papain-like protease of Middle East respiratory syndrome coronavirus. Antivir. Res. 115 , 9–16 (2015).

55. Chen, H., Wurm, T., Britton, P., Brooks, G. & Hiscox, JA Interaction of the nucleoprotein coronavirus with nucleolar antigens and the host cell. J. Virol. 76 , 5233–5250 (2002).

56. Rainsford, KD Influenza ("Bird Flu"), inflammation and anti-inflammatory / analgesic drugs. Inflammopharmacology 14 , 2–9 (2006).

57. Garcia, CC, Guabiraba, R., Soriani, FM & Teixeira, MM The development of anti-inflammatory drugs for infectious diseases. Discov. Med 10 , 479–488 (2010).

58. Silvestri, M. & Rossi, GA Melatonin: its possible role in the management of viral infections-a brief review. Ital. J. Pediatr. 39 , 61 (2013).

59. Srinivasan, V., Mohamed, M. & Kato, H. Melatonin in bacterial and viral infections with focus on sepsis: a review. Recent Pat. Endocr. Metab. Immune Drug Discov. 6 , 30–39 (2012).

60. Tan, DX, Korkmaz, A., Reiter, RJ & Manchester, LC Ebola virus disease: potential use of melatonin as a treatment. J. Pineal Res. 57 , 381–384 (2014).

61. Tan, DX, Manchester, LC, Terron, MP, Flores, LJ & Reiter, RJ One molecule, many derivatives: a never-ending interaction of melatonin with reactive oxygen and nitrogen species? J. Pineal Res. 42 , 28–42 (2007).

62. Galano, A., Tan, DX & Reiter, RJ On the free radical scavenging activities of melatonin's metabolites, AFMK and AMK. J. Pineal Res. 54 , 245–257 (2013).

63. Xiao, J., Shimada, M., Liu, W., Hu, D. & Matsumori, A. Anti-inflammatory effects of eplerenone on viral myocarditis. Eur J. Heart Fail. 11 , 349–353 (2009).

64. Wang, M. et al. Remdesivir and chloroquine effectively inhibit the recently emerged novel coronavirus (2019-nCoV). Cell Res . https://doi.org/10.1038/s41422-020-0282-0 (2020).

65. Tan, X. et al. Systematic identification of synergistic drug pairs targeting HIV. Nat Biotechnol. 30 , 1125-1130 (2012).

66. Kindrachuk, J. et al. Antiviral potential of ERK / MAPK and PI3K / AKT / mTOR signaling modulation for Middle East respiratory syndrome coronavirus infection as identified by temporal kinome analysis. Antimicrob. Agents Chemother. 59 , 1088-1010 (2015).

67. Lewis, EL, Harbor, DA, Beringer, JE & Grinsted, J. Differential in vitro inhibition of feline enteric coronavirus and feline infectious viral peritonitis by actinomycin D. J. Gen. Virol. 73 , 3285–3288 (1992).

68. Zhou, WB, Ding, Q., Chen, L., Liu, XA & Wang, S. Toremifene are an effective and safe alternative to tamoxifen in adjuvant endocrine therapy for breast cancer: results of four randomized trials. Breast Cancer Res. Treat 128 , 625–631 (2011).

69. Cong, Y. et al. MERS-CoV pathogenesis and antiviral efficacy of licensed drugs in human monocyte-derived antigen-presenting cells. PLoS ONE 13 , e0194868 (2018).

70. Schwarz, S., Wang, K., Yu, W., Sun, B. & Schwarz, W. Emodin inhibits current through SARS-associated coronavirus 3a protein. Antivir. Res. 90 , 64–69 (2011).

71. Ho, TY, Wu, SL, Chen, JC, Li, CC & Hsiang, CY Emodin blocks the SARS coronavirus spike protein and angiotensin-converting enzyme 2 interaction. Antivir. Res. 74 , 92–101 (2007).

72. Lambert, DW, Clarke, NE, Hooper, NM & Turner, AJ Calmodulin interacts with angiotensin-converting enzyme-2 (ACE2) and inhibits shedding of its ectodomain. LEB FEBS. 582 , 385–390 (2008).

73. Dai, J., Inscho, EW, Yuan, L. & Hill, SM Modulation of intracellular calcium and calmodulin by melatonin in MCF-7 human breast cancer cells. J. Pineal Res. 32 , 112–119 (2002).

74. Fung, TS & Liu, DX Activation of the c-Jun NH2-terminal kinase pathway by coronavirus infectious bronchitis virus promotes apoptosis independently of c-Jun. Cell Death Dis. 8 , 3215 (2017).

75. Biedenkopf, N. et al. The natural compound silvestrol is a potent inhibitor of Ebola virus replication. Antivir. Res. 137 , 76–81 (2017).

76. Muller, C. et al. Broad-spectrum antiviral activity of the eIF4A silvestrol inhibitors against corona- and picornaviruses. Antivir. Res. 150 , 123-129 (2018).

77. Halder, AK, Dutta, P., Kundu, M., Basu, S. & Nasipuri, M. Review of computational methods for virus-host protein interaction prediction: a case study on the Ebola-human interactions novel. Brief Funct. Genomics 17 , 381–391 (2018).

78. Bedi, O., Dhawan, V., Sharma, PL & Kumar, P. Pleiotropic effects of statins: new therapeutic targets in drug design. Naunyn Schmiedebergs Arch. Pharmacol. 389 , 695-712 (2016).

79. Li, Q. et al. Integrative functional genomics of hepatitis C virus infection identifies host dependencies in complete viral replication cycle. PLoS Pathog. 10 , e1004163 (2014).

80. Gebre, M., Nomburg, JL & Gewurz, BE CRISPR-Cas9 genetic analysis of virus-host interactions. Viruses 10 , 55 (2018).

81. Kim, JH et al. Acute eosinophilic pneumonia is related to a mesalazine suppository. Asia Pac. Allergy 3 , 136–139 (2013).

82. Gupta, A. & Gulati, S. Mesalamine induced eosinophilic pneumonia. Respir Med Case Rep. 21 , 116–117 (2017).

83. Chiang, CW et al. Translational high-dimensional drug interaction discovery and validation using health record databases and pharmacokinetics models. Clin Pharmacol.Ther 103, 287-295 (2018).

84. Kumar, S., Stecher, G., Li, M., Knyaz, C. & Tamura, K. MEGA X: molecular evolutionary genetics analysis across computing platforms. Mol. Biol Evol. 35 , 1547–1549 (2018).

85. Kuleshov, MV et al. Enrichr: a comprehensive gene set enrichment analysis web server 2016 update. Nucleic Acids Res. 44, W90 – W97 (2016).

86. Law, V. et al. DrugBank 4.0: shedding new light on drug metabolism. Nucleic Acids Res. 42 , D1091 – D1097 (2014).

87. Yang, H. et al. Therapeutic target database update 2016: enriched resources for bench to clinical drug targets and targeted pathway information. Nucleic Acids Res. 44 , D1069 – D1074 (2016).

88. Gaulton, A. et al. ChEMBL: a large-scale bioactivity database for drug discovery. Nucleic Acids Res. 40 , D1100 – D1107 (2012).

89. Liu, TQ, Lin, YM, Wen, X., Jorissen, RN & Gilson, MK BindingDB: a web-accessible database of experimentally determined protein-ligand binding affinities. Nucleic Acids Res. 35 , D198 – D201 (2007).

90. Pawson, AJ et al. The IUPHAR / BPS Guide to PHARMACOLOGY: an expert-driven knowledge base of drug targets and their ligands. Nucleic Acids Res. 42 , D1098 – D1106 (2014).

91. Apweiler, R. et al. UniProt: the Universal Protein knowledgebase. Nucleic Acids Res. 32 , D115 – D119 (2004).

92. Coordinators, NR Database of resources of the National Center for Biotechnology Information. Nucleic Acids Res. 44 , D7 – D19 (2016).

93. Smith, IN, Thacker, S., Seyfi, M., Cheng, F. & Eng, C. Conformational dynamics and allosteric regulation of landscapes of germline PTEN mutations associated with autism compared to those associated with cancer. Am J. Hum. Genet. 104 , 861–878 (2019).

94. Reghunathan, R. et al. Expression profile of immune response genes in patients with severe acute respiratory syndrome. BMC Immunol. 6 , 2 (2005).

95. Josset, L. et al. Cell host response to infection with novel human coronavirus EMC predicts potential antivirals and important differences with SARS coronavirus. mBio 4 , e00165–00113 (2013).

96. Yuan, S. et al. SREBP-dependent lipidomic reprogramming as a broad-spectrum antiviral target. Nat Commun. 10 , 120 (2019).

97. Sirota, M. et al. Discovery and preclinical validation of drug indications using compendia of public gene expression data. Sci Transl. Med 3 , 96ra77 (2011).

Sumber:

Yadi Zhou, Yuan Hou, Jiayu Shen,Yin Huang, William Martin and Feixiong Cheng.  2020.  Network-based drug repurposing for the coronavirus 2019-nCoV / SARS-CoV-2 novel.  Cell Discovery volume 6, Article number: 14 (2020)