Το AI ανακαλύπτει μια νέα κατηγορία αντιβιοτικών μετά από καθάρισμα 12 εκατομμυρίων ενώσεων

Αναδημοσίευση από τον Πλάτωνα

Ακολουθούν: 0

Τα αντιβιοτικά έχουν σώσει αμέτρητες ζωές και αποτελούν κρίσιμο εργαλείο στη σύγχρονη ιατρική. Αλλά χάνουμε έδαφος στη μάχη μας ενάντια στα βακτήρια. Στα μέσα του περασμένου αιώνα, οι επιστήμονες ανακάλυψε ολόκληρες νέες κατηγορίες αντιβιοτικών. Από τότε, ο ρυθμός της ανακάλυψης έχει επιβραδυνθεί και ο επιπολασμός των ανθεκτικών στα αντιβιοτικά βακτηρίων έχει αυξηθεί.

Υπάρχουν πιθανώς αντιβιοτικά που δεν έχουν ακόμη ανακαλυφθεί, αλλά το χημικό σύμπαν είναι πολύ μεγάλο για να το ψάξει κανείς. Τα τελευταία χρόνια, οι επιστήμονες έχουν στραφεί στην τεχνητή νοημοσύνη. Οι αλγόριθμοι μηχανικής μάθησης μπορούν να μειώσουν τεράστιους αριθμούς πιθανών χημικών διαμορφώσεων σε μια χούφτα υποσχόμενων υποψηφίων για δοκιμή.

Μέχρι σήμερα, οι επιστήμονες έχουν χρησιμοποιήσει την τεχνητή νοημοσύνη για να βρουν μεμονωμένες ενώσεις με αντιβιοτικές ιδιότητες. Αλλά σε μια νέα μελέτη, δημοσιεύτηκε χθες στις Φύση, οι ερευνητές του MIT λένε ότι έχουν κατασκευάσει και δοκιμάσει ένα σύστημα που μπορεί να εντοπίσει ολόκληρες νέες κατηγορίες αντιβιοτικών και να προβλέψει ποια είναι πιθανώς ασφαλή για τους ανθρώπους.

Το AI κοσκίνισε πάνω από 12 εκατομμύρια ενώσεις και βρήκε μια άγνωστη κατηγορία αντιβιοτικών που αποδείχθηκε αποτελεσματική σε ποντίκια έναντι του ανθεκτικού στη μεθικιλλίνη Staphylococcus aureus (MRSA), ενός θανατηφόρου στελέχους ανθεκτικού στα φάρμακα.

Ενώ αυτά τα αντιβιοτικά που ανακαλύφθηκαν από την τεχνητή νοημοσύνη πρέπει ακόμα να αποδειχθούν ασφαλή και αποτελεσματικά στους ανθρώπους περνώντας το τυπικό γάντι των κλινικών δοκιμών, η ομάδα πιστεύει ότι το έργο τους μπορεί να επιταχύνει την ανακάλυψη στο μπροστινό μέρος και, ελπίζουμε, να αυξήσει το συνολικό μας ποσοστό επιτυχίας.

Εξερευνώντας τον χώρο των ναρκωτικών

Οι επιστήμονες χρησιμοποιούν όλο και περισσότερο βοηθούς τεχνητής νοημοσύνης για να επιταχύνουν τη διαδικασία της ανακάλυψης. Το πιο διάσημο, ίσως, είναι το AlphaFold του DeepMind, ένα πρόγραμμα μηχανικής μάθησης που μπορεί να διαμορφώσει τα σχήματα των πρωτεϊνών, τα βασικά δομικά στοιχεία του σώματός μας. Η ιδέα είναι ότι το AlphaFold και οι απόγονοί του μπορούν να επιταχύνουν την επίπονη διαδικασία της έρευνας για τα ναρκωτικά. Τόσο ισχυρή είναι η πεποίθησή τους, η DeepMind δημιούργησε μια θυγατρική το 2021, Isomorphic Labs, αφιερωμένο στο να κάνει ακριβώς αυτό.

Άλλες προσεγγίσεις τεχνητής νοημοσύνης έχουν επίσης δείξει υποσχέσεις. Μια ομάδα του MIT, συγκεκριμένα, έχει επικεντρωθεί στην ανάπτυξη εντελώς νέων αντιβιοτικών για την καταπολέμηση των υπερμικροβίων. Η πρώτη τους μελέτη, που δημοσιεύθηκε το 2020, έδειξε ότι η προσέγγιση θα μπορούσε να λειτουργήσει, όταν βρήκαν αλισίνη, ένα αντιβιοτικό που δεν είχε ανακαλυφθεί προηγουμένως. θα μπορούσε εύκολα να αφαιρέσει το ανθεκτικό στα φάρμακα E. coli.

Σε μια συνέχεια νωρίτερα φέτος, η ομάδα στόχευσε το Acinetobacter baumannii, «δημόσιο εχθρό Νο. 1 για πολυανθεκτικές βακτηριακές λοιμώξεις», σύμφωνα με τον Jonathan Stokes του Πανεπιστημίου McMaster, ανώτερο συγγραφέα της μελέτης.

«Το Acinetobacter μπορεί να επιβιώσει στα πόμολα και τον εξοπλισμό του νοσοκομείου για μεγάλα χρονικά διαστήματα και μπορεί να απορροφήσει γονίδια ανθεκτικότητας στα αντιβιοτικά από το περιβάλλον του. Είναι πολύ συνηθισμένο πλέον να βρίσκουμε απομονώσεις του A. baumannii που να είναι ανθεκτικά σχεδόν σε κάθε αντιβιοτικό». είπε τότε ο Στόουκς.

Αφού εξέτασε 6,680 ενώσεις σε μόλις δύο ώρες, η τεχνητή νοημοσύνη ανέδειξε μερικές εκατοντάδες πολλά υποσχόμενες υποψηφιότητες. Η ομάδα εξέτασε 240 από αυτά που ήταν δομικά διαφορετικά από τα υπάρχοντα αντιβιοτικά. Εμφανίστηκαν εννέα πολλά υποσχόμενοι υποψήφιοι, συμπεριλαμβανομένου ενός, του abaucin, που ήταν αρκετά αποτελεσματικό κατά του A. baumannii.

Και οι δύο μελέτες έδειξαν ότι η προσέγγιση θα μπορούσε να λειτουργήσει, αλλά απέδωσε μόνο μεμονωμένους υποψηφίους χωρίς πληροφορίες WHY ήταν αποτελεσματικά. Οι αλγόριθμοι μηχανικής μάθησης είναι, ως γνωστόν, μαύρα κουτιά - αυτό που συμβαίνει «μεταξύ των αυτιών» είναι συχνά ένα πλήρες μυστήριο.

Στην τελευταία μελέτη, η ομάδα στόχευσε έναν άλλο γνωστό αντίπαλο, τον MRSA, μόνο που αυτή τη φορά συνέδεσε πολλούς αλγόριθμους για να βελτιώσει τα αποτελέσματα και να φωτίσει καλύτερα το σκεπτικό του AI.

Αναστροφή του διακόπτη

Το τελευταίο αντιβιοτικό bloodhound της ομάδας εκπαιδεύτηκε σε περίπου 39,000 ενώσεις, συμπεριλαμβανομένης της χημικής τους δομής και της ικανότητάς τους να σκοτώνουν το MRSA. Εκπαίδευσαν επίσης ξεχωριστά μοντέλα για να προβλέψουν την τοξικότητα μιας δεδομένης ένωσης στα ανθρώπινα κύτταρα.

«Μπορείτε βασικά να αναπαραστήσετε οποιοδήποτε μόριο ως χημική δομή και επίσης να πείτε στο μοντέλο εάν αυτή η χημική δομή είναι αντιβακτηριδιακή ή όχι», δήλωσε ο Felix Wong, μεταδιδάκτορας στο IMES και στο Broad Institute of MIT και Harvard. είπε MIT News. «Το μοντέλο έχει εκπαιδευτεί σε πολλά παραδείγματα όπως αυτό. Εάν στη συνέχεια του δώσετε οποιοδήποτε νέο μόριο, μια νέα διάταξη ατόμων και δεσμών, μπορεί να σας πει μια πιθανότητα ότι αυτή η ένωση προβλέπεται να είναι αντιβακτηριδιακή».

Μόλις ολοκληρωθεί, η ομάδα τροφοδότησε πάνω από 12 εκατομμύρια ενώσεις στο σύστημα. Η τεχνητή νοημοσύνη μείωσε αυτόν τον τεράστιο κατάλογο σε περίπου 3,600 ενώσεις οργανωμένες σε πέντε κατηγορίες – με βάση τις δομές τους – προέβλεψε ότι θα είχαν κάποια δραστηριότητα κατά του MRSA και θα ήταν ελάχιστα τοξικές για τα ανθρώπινα κύτταρα. Η ομάδα κατέληξε σε μια τελική λίστα 283 υποψηφίων για εξετάσεις.

Από αυτά, βρήκαν δύο από την ίδια κατηγορία—δηλαδή είχαν παρόμοια δομικά συστατικά που πιστεύεται ότι συμβάλλουν στην αντιμικροβιακή δραστηριότητα—τα οποία ήταν αρκετά αποτελεσματικά. Στα ποντίκια, τα αντιβιοτικά καταπολέμησαν τόσο μια δερματική λοίμωξη όσο και μια συστηματική λοίμωξη αφαιρώντας το 90 τοις εκατό των βακτηρίων MRSA που υπήρχαν.

Συγκεκριμένα, ενώ η προηγούμενη εργασία τους αντιμετώπισε τα Gram-αρνητικά βακτήρια διαταράσσοντας τις κυτταρικές μεμβράνες, το MRSA είναι θετικό κατά Gram και έχει παχύτερα τοιχώματα.

«Έχουμε αρκετά ισχυρές ενδείξεις ότι αυτή η νέα δομική κατηγορία είναι ενεργή ενάντια στα θετικά κατά Gram παθογόνα διασπώντας επιλεκτικά την κινητήρια δύναμη του πρωτονίου στα βακτήρια», είπε ο Wong. «Τα μόρια επιτίθενται επιλεκτικά στις βακτηριακές κυτταρικές μεμβράνες, με τρόπο που δεν προκαλεί σημαντική βλάβη στις ανθρώπινες κυτταρικές μεμβράνες».

Κάνοντας την τεχνητή νοημοσύνη της εξηγήσιμη, η ομάδα ελπίζει να μηδενίσει τις δομές που θα μπορούσαν να ενημερώσουν τις μελλοντικές αναζητήσεις ή να συμβάλουν στον σχεδιασμό πιο αποτελεσματικών αντιβιοτικών στο εργαστήριο.

Τελικές εξετάσεις

Το βασικό πράγμα που πρέπει να σημειωθεί εδώ είναι ότι παρόλο που φαίνεται ότι τα νέα αντιβιοτικά ήταν αποτελεσματικά σε ποντίκια σε πολύ μικρή κλίμακα, υπάρχει πολύς δρόμος να διανυθεί μέχρι να σας συνταγογραφηθεί ένα.

Τα νέα φάρμακα υποβάλλονται σε αυστηρές δοκιμές και κλινικές δοκιμές, και πολλοί, ακόμη και υποσχόμενοι υποψήφιοι, δεν περνούν από την άλλη πλευρά. Το πεδίο της ανακάλυψης φαρμάκων με τη βοήθεια AI, γενικότερα, είναι είναι ακόμη σε πρώιμα στάδια από αυτή την άποψη. Η πρώτη Τα φάρμακα που έχουν σχεδιαστεί με τεχνητή νοημοσύνη βρίσκονται τώρα σε κλινικές δοκιμές, αλλά κανένα δεν έχει ακόμη εγκριθεί.

Ωστόσο, η ελπίδα είναι να εφοδιαστεί πιο γρήγορα ο αγωγός με καλύτερους υποψηφίους.

Μπορεί να χρειαστούν τρία έως έξι χρόνια για να ανακαλύψετε ένα νέο αντιβιοτικό κατάλληλο για κλινικές δοκιμές, σύμφωνα με το Πανεπιστήμιο της Πενσυλβάνια Σεζάρ ντε λα Φουέντε, του οποίου το εργαστήριο κάνει παρόμοια εργασία. Τότε έχετε τις ίδιες τις δοκιμές. Με την αντίσταση στα αντιβιοτικά να αυξάνεται, μπορεί να μην έχουμε τέτοιο χρόνο, για να μην αναφέρουμε το γεγονός ότι τα αντιβιοτικά δεν έχουν την απόδοση της επένδυσης που έχουν άλλα φάρμακα. Οποιαδήποτε βοήθεια είναι ευπρόσδεκτη.

«Τώρα, με τις μηχανές, καταφέραμε να επιταχύνουμε [το χρονοδιάγραμμα]», είπε ο ντε λα Φουέντε Scientific American. «Στη δουλειά μου και των συναδέλφων μου, για παράδειγμα, μπορούμε να ανακαλύψουμε μέσα σε λίγες ώρες χιλιάδες ή εκατοντάδες χιλιάδες προκλινικούς υποψηφίους αντί να περιμένουμε τρία έως έξι χρόνια. Νομίζω ότι το AI γενικά το έχει επιτρέψει».

Είναι νωρίς ακόμη, αλλά εάν τα αντιβιοτικά που ανακαλύφθηκαν από την τεχνητή νοημοσύνη αποδειχθούν άξια τα επόμενα χρόνια, ίσως μπορούμε να διατηρήσουμε το πάνω χέρι στη μακροχρόνια μάχη μας ενάντια στα βακτήρια.

Image Credit: Ένα ανθρώπινο λευκό αιμοσφαίριο που λαμβάνει MRSA (μωβ) / Εθνικό Ινστιτούτο Αλλεργιών και Λοιμωδών Νοσημάτων, Εθνικά Ινστιτούτα Υγείας