هوش مصنوعی دسته جدیدی از آنتی بیوتیک ها را پس از پاکسازی 12 میلیون ترکیب کشف کرد

بازنشر افلاطون

دنبال: 0

آنتی بیوتیک ها جان افراد بی شماری را نجات داده اند و ابزاری حیاتی در پزشکی مدرن هستند. اما ما در مبارزه با باکتری ها در حال از دست دادن زمین هستیم. در اواسط قرن گذشته، دانشمندان کلاس های کاملا جدیدی از آنتی بیوتیک ها را کشف کرد. از آن زمان، سرعت اکتشاف به یک قطره کاهش یافته و شیوع باکتری های مقاوم به آنتی بیوتیک افزایش یافته است.

به احتمال زیاد هنوز آنتی بیوتیک هایی وجود دارد که کشف نشده اند، اما جهان شیمیایی برای کسی بزرگ است که بتوان آن را جستجو کرد. در سال های اخیر، دانشمندان به هوش مصنوعی روی آورده اند. الگوریتم‌های یادگیری ماشینی می‌توانند تعداد زیادی از پیکربندی‌های شیمیایی بالقوه را به تعداد انگشت شماری از نامزدهای امیدوارکننده برای آزمایش کاهش دهند.

تا به امروز، دانشمندان از هوش مصنوعی برای یافتن ترکیبات منفرد با خواص آنتی بیوتیکی استفاده کرده اند. اما در یک مطالعه جدید، منتشر شده دیروز در طبیعتمحققان MIT می‌گویند سیستمی ساخته و آزمایش کرده‌اند که می‌تواند کلاس‌های کاملاً جدیدی از آنتی‌بیوتیک‌ها را شناسایی کند و پیش‌بینی کند که احتمالاً برای مردم بی‌خطر هستند.

هوش مصنوعی بیش از 12 میلیون ترکیب را الک کرد و دسته ای کشف نشده از آنتی بیوتیک ها را پیدا کرد که در موش ها در برابر استافیلوکوکوس اورئوس مقاوم به متی سیلین (MRSA)، یک سویه کشنده از حشرات مقاوم به دارو، مؤثر بودند.

در حالی که این آنتی‌بیوتیک‌های کشف‌شده با هوش مصنوعی هنوز باید با پشت سر گذاشتن دستکش استاندارد آزمایش‌های بالینی، خود را ایمن و مؤثر در انسان ثابت کنند، تیم بر این باور است که کار آن‌ها می‌تواند به کشف در قسمت جلویی سرعت ببخشد و امیدواریم نرخ ضربه کلی ما را افزایش دهد.

کاوش در فضای مواد مخدر

دانشمندان به طور فزاینده ای از کمک های هوش مصنوعی برای سرعت بخشیدن به روند کشف استفاده می کنند. شاید معروف‌ترین برنامه DeepMind’s AlphaFold باشد، یک برنامه یادگیری ماشینی که می‌تواند شکل پروتئین‌ها، بلوک‌های ساختمانی اساسی بدن ما را مدل‌سازی کند. ایده این است که AlphaFold و فرزندان آن می توانند روند دشوار تحقیقات دارویی را سرعت بخشند. اعتقاد آنها بسیار قوی است، DeepMind در سال 2021 یک شرکت تابعه راه اندازی کرد. آزمایشگاه های ایزومورفیکاختصاص داده شده به انجام این کار.

سایر رویکردهای هوش مصنوعی نیز امیدوارکننده بوده است. یک گروه MIT، به ویژه، بر روی توسعه آنتی بیوتیک های کاملاً جدید برای مبارزه با ابر میکروب ها متمرکز شده است. اولین مطالعه آنها که در سال 2020 منتشر شد، نشان داد که این رویکرد می تواند کارساز باشد، زمانی که آنها هالیسین، یک آنتی بیوتیک قبلا کشف نشده را پیدا کردند. می تواند به راحتی E. coli مقاوم به دارو را از بین ببرد.

به گفته جاناتان استوکس از دانشگاه مک مستر، نویسنده ارشد این مطالعه، تیم در پی‌گیری در اوایل سال جاری، آسینتوباکتر بومانی، «دشمن عمومی شماره 1 عفونت‌های باکتریایی مقاوم به چند دارو» را هدف گرفت.

«اسینتوباکتر می‌تواند برای مدت طولانی روی دستگیره‌های درب و تجهیزات بیمارستان زنده بماند و می‌تواند ژن‌های مقاومت آنتی‌بیوتیکی را از محیط خود بگیرد. اکنون یافتن ایزوله‌های A. baumannii که تقریباً به هر آنتی‌بیوتیکی مقاوم هستند، بسیار رایج است. استوکس در آن زمان گفت.

پس از بررسی 6,680 ترکیب در تنها دو ساعت، هوش مصنوعی چند صد نامزد امیدوارکننده را برجسته کرد. این تیم 240 مورد از آنها را آزمایش کردند که از نظر ساختاری با آنتی بیوتیک های موجود تفاوت داشتند. آنها XNUMX نامزد امیدوارکننده را معرفی کردند، از جمله یکی، آبوسین، که در برابر A. baumannii کاملاً مؤثر بود.

هر دو مطالعه نشان دادند که این رویکرد می‌تواند کارساز باشد، اما فقط نامزدهای مجردی را ارائه کرد که هیچ اطلاعاتی در مورد آن نداشتند چرا موثر بودند. الگوریتم‌های یادگیری ماشینی، به‌طور بدنام، جعبه‌های سیاه هستند – آنچه که «بین گوش‌ها» اتفاق می‌افتد اغلب یک راز کامل است.

در جدیدترین مطالعه، این گروه دشمن شناخته شده دیگری، MRSA را هدف گرفت، اما این بار آنها چندین الگوریتم را به هم زنجیر کردند تا نتایج را بهبود بخشند و استدلال هوش مصنوعی را بهتر روشن کنند.

چرخاندن سوئیچ

جدیدترین آنتی بیوتیک این تیم بر روی 39,000 ترکیب، از جمله ساختار شیمیایی و توانایی کشتن MRSA، آموزش دیده است. آنها همچنین مدل های جداگانه ای را برای پیش بینی سمیت یک ترکیب معین برای سلول های انسانی آموزش دادند.

فلیکس وانگ، فوق دکترای IMES و موسسه برود MIT و هاروارد، می‌گوید: «شما می‌توانید اساساً هر مولکولی را به عنوان یک ساختار شیمیایی نشان دهید، و همچنین به مدل بگویید که آیا آن ساختار شیمیایی ضد باکتری است یا نه». گفته شده اخبار MIT. «این مدل بر روی نمونه‌های زیادی از این دست آموزش داده شده است. اگر هر مولکول جدیدی به آن بدهید، آرایش جدیدی از اتم ها و پیوندها، می تواند به شما احتمال دهد که پیش بینی می شود آن ترکیب ضد باکتری است.

پس از تکمیل، تیم بیش از 12 میلیون ترکیب را وارد سیستم کرد. هوش مصنوعی این فهرست عظیم را به حدود 3,600 ترکیب سازماندهی شده در پنج طبقه کاهش داد - بر اساس ساختار آنها - پیش بینی کرد که فعالیتی علیه MRSA داشته و حداقل برای سلول های انسانی سمی باشد. این تیم در فهرست نهایی 283 کاندید برای آزمایش قرار گرفت.

از این میان، آن‌ها دو مورد از یک کلاس را یافتند - یعنی دارای اجزای ساختاری مشابهی بودند که اعتقاد بر این است که در فعالیت ضد میکروبی نقش دارند - که کاملاً مؤثر بودند. در موش ها، آنتی بیوتیک ها با از بین بردن 90 درصد از باکتری های MRSA با عفونت پوستی و عفونت سیستمیک مبارزه کردند.

قابل ذکر است، در حالی که کار قبلی آنها با برهم زدن غشای سلولی با باکتری های گرم منفی مقابله می کرد، MRSA گرم مثبت است و دیواره های ضخیم تری دارد.

وونگ گفت: «ما شواهد بسیار قوی داریم که نشان می‌دهد این کلاس ساختاری جدید با از بین بردن انتخابی نیروی محرکه پروتون در باکتری‌ها در برابر پاتوژن‌های گرم مثبت فعال است. مولکول ها به طور انتخابی به غشای سلولی باکتری حمله می کنند، به گونه ای که آسیب قابل توجهی به غشای سلولی انسان وارد نمی کند.

با توضیح دادن هوش مصنوعی خود، تیم امیدوار است ساختارهایی را که ممکن است به جستجوهای آینده کمک کند یا در طراحی آنتی بیوتیک های موثرتر در آزمایشگاه کمک کند، به صفر برسانند.

امتحانات نهایی

نکته کلیدی که در اینجا باید به آن توجه کرد این است که اگرچه به نظر می‌رسد آنتی‌بیوتیک‌های جدید در مقیاس بسیار کوچک در موش‌ها مؤثر بوده‌اند، اما راه زیادی تا تجویز آن وجود دارد.

داروهای جدید تحت آزمایش‌های دقیق و آزمایش‌های بالینی قرار می‌گیرند و بسیاری، حتی نامزدهای امیدوارکننده، به طرف مقابل نمی‌رسند. زمینه کشف دارو به کمک هوش مصنوعی، به طور کلی، این است از این نظر هنوز در مراحل اولیه است. اولین داروهای طراحی شده با هوش مصنوعی اکنون در حال آزمایش بالینی هستند، اما هنوز هیچ کدام تایید نشده اند.

با این حال، امید این است که سریعتر خط لوله را با نامزدهای بهتر ذخیره کنیم.

ممکن است سه تا شش سال طول بکشد تا یک آنتی بیوتیک جدید مناسب برای آزمایشات بالینی کشف شود. بر طبق دانشگاه پنسیلوانیا سزار د لا فوئنته، که آزمایشگاه آن کار مشابهی را انجام می دهد. سپس شما آزمایشات خود را دارید. با افزایش مقاومت آنتی‌بیوتیکی، ممکن است چنین زمانی را نداشته باشیم، نه به ذکر این واقعیت که آنتی‌بیوتیک‌ها بازدهی سرمایه‌گذاری در سایر داروها ندارند. هر گونه کمکی پذیرفته می شود.

اکنون، با ماشین‌ها، ما توانسته‌ایم [خط زمانی] را تسریع کنیم.» د لا فوئنت گفت علمی آمریکا. برای مثال، در کار خود من و همکارانم، به جای اینکه سه تا شش سال صبر کنیم، می‌توانیم در عرض چند ساعت هزاران یا صدها هزار کاندیدای بالینی را کشف کنیم. فکر می‌کنم هوش مصنوعی به طور کلی این امکان را فراهم کرده است.»

هنوز زود است، اما اگر آنتی‌بیوتیک‌های کشف‌شده توسط هوش مصنوعی در سال‌های آینده ارزش خود را ثابت کنند، شاید بتوانیم دست بالا را در نبرد طولانی مدت خود با باکتری‌ها حفظ کنیم.

تصویر های اعتباری: گلبول سفید انسان در حال مصرف MRSA (بنفش) / موسسه ملی آلرژی و بیماری‌های عفونی، موسسه ملی بهداشت