Nowa klasa antybiotyków przeciwko lekoopornym bakteriom Staphylococcus aureus (MRSA), którą odkryto przy użyciu bardziej przejrzystych modeli głębokiego uczenia się.
Zastosowanie sztucznej inteligencji (AI) okazuje się przełomem w medycynie, ponieważ technologia pomaga obecnie naukowcom w opracowywaniu pierwszych nowych antybiotyków od 60 lat.
Odkrycie nowego związku, który może zabić lekooporną bakterię, która co roku zabija tysiące ludzi na całym świecie, może okazać się punktem zwrotnym w walce z opornością na antybiotyki.
„Wniosek był taki, że mogliśmy zobaczyć, czego nauczyły się modele, aby przewidzieć, że określone cząsteczki będą dobrymi antybiotykami” – James Collins, profesor inżynierii medycznej i nauk ścisłych w Massachusetts Institute of Technology (MIT) i jeden autorów badania – napisano w oświadczeniu.
„Nasza praca zapewnia ramy, które oszczędzają czas, zasobooszczędne i wnikliwe pod względem mechanicznym, z punktu widzenia struktury chemicznej, w sposób, jakiego nie mieliśmy do tej pory”.
Wyniki opublikowano dzisiaj w czasopiśmie Nature, a współautorem jest zespół 21 badaczy.
Badanie mające na celu „otwarcie czarnej skrzynki”
Zespół odpowiedzialny za projekt wykorzystał model głębokiego uczenia się, aby przewidzieć aktywność i toksyczność nowego związku.
Głębokie uczenie się polega na wykorzystaniu sztucznych sieci neuronowych do automatycznego uczenia się i przedstawiania funkcji na podstawie danych bez jawnego programowania.
Jest coraz częściej stosowana w odkrywaniu leków w celu przyspieszenia identyfikacji potencjalnych kandydatów na leki, przewidywania ich właściwości i optymalizacji procesu opracowywania leków.
W tym przypadku badacze skupili się na opornym na metycylinę Staphylococcus aureus (MRSA).
Zakażenia MRSA mogą obejmować łagodne zakażenia skóry lub poważniejsze i potencjalnie zagrażające życiu stany, takie jak zapalenie płuc i zakażenia krwi.
Według Europejskiego Centrum Zapobiegania i Kontroli Chorób (ECDC) w Unii Europejskiej co roku dochodzi do prawie 150 000 zakażeń MRSA, a w UE prawie 35 000 osób umiera rocznie z powodu infekcji opornych na środki przeciwdrobnoustrojowe.
Zespół badaczy z MIT przeszkolił znacznie powiększony model głębokiego uczenia się, korzystając z rozszerzonych zbiorów danych.
Aby stworzyć dane szkoleniowe, oceniono około 39 000 związków pod kątem ich aktywności antybiotykowej przeciwko MRSA. Następnie do modelu wprowadzono zarówno uzyskane dane, jak i szczegóły dotyczące struktury chemicznej związków.
„W tym badaniu naszym celem było otwarcie czarnej skrzynki. Modele te składają się z bardzo dużej liczby obliczeń naśladujących połączenia neuronowe i nikt tak naprawdę nie wie, co się kryje pod maską” – powiedział Felix Wong, postdoc w MIT i Harvardzie oraz jeden z głównych autorów badania.
Odkrycie nowego związku
Aby udoskonalić wybór potencjalnych leków, badacze zastosowali trzy dodatkowe modele głębokiego uczenia się. Modele te przeszkolono w celu oceny toksyczności związków na trzech różnych typach komórek ludzkich.
Integrując te przewidywania toksyczności z wcześniej określoną aktywnością przeciwdrobnoustrojową, naukowcy wskazali związki zdolne do skutecznego zwalczania drobnoustrojów przy minimalnych szkodach dla organizmu ludzkiego.
Korzystając z tego zestawu modeli, zbadano około 12 milionów związków dostępnych na rynku.
Modele zidentyfikowały związki z pięciu różnych klas, sklasyfikowanych na podstawie określonych podstruktur chemicznych w cząsteczkach, które wykazywały przewidywaną aktywność przeciwko MRSA.
Następnie badacze pozyskali około 280 tych związków i przeprowadzili testy przeciwko MRSA w warunkach laboratoryjnych. Podejście to doprowadziło ich do zidentyfikowania dwóch obiecujących kandydatów na antybiotyki z tej samej klasy.
W eksperymentach z udziałem dwóch modeli mysich – jednego pod kątem zakażenia skóry MRSA i drugiego pod kątem ogólnoustrojowego zakażenia MRSA – każdy z tych związków zmniejszał populację MRSA 10-krotnie.
