O nas
Kontakt

Naukowcy odkrywają pierwsze nowe antybiotyki od ponad 60 lat przy użyciu sztucznej inteligencji

Laura Kowalczyk

Scientists discover the first new antibiotics in over 60 years using AI

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.