Pierwsze nowe antybiotyki od ponad 60 lat – pomogła je odkryć sztuczna inteligencja

Naukowcy odkryli pierwsze nowe antybiotyki od ponad 60 lat – korzystali przy tym ze sztucznej inteligencji. Nowa klasa związków kierowana jest przeciwko opornym na leki bakteriom Staphylococcus aureus (MRSA).

Odkrycie nowego związku chemicznego, który może unieszkodliwić oporną na leki bakterię, zabijającą tysiące ludzi na całym świecie rocznie, może okazać się punktem zwrotnym w walce z mikrobami.

Kluczowe było zrozumienie tego, czego uczą się modele, aby dokonywać swoich prognoz, że określone molekuły mogą być skutecznymi antybiotykami — powiedział James Collins, profesor Inżynierii Medycznej i Nauk na Massachusetts Institute of Technology (MIT) i jeden z autorów badania.

Nasza praca zapewnia ramy, które są efektywne czasowo, zasobooszczędne i wnikliwe, z punktu widzenia struktury chemicznej, w sposób, którego do tej pory nie mieliśmy.

Zespół zaangażowany w projekt wykorzystał model głębokiego uczenia, aby przewidzieć aktywność i toksyczność nowego związku. Ta metoda jest coraz częściej stosowana w odkrywaniu leków i w celu przyspieszenia identyfikacji potencjalnych kandydatów na leki, przewidywania ich właściwości oraz optymalizacji procesu rozwoju. W tym konkretnym przypadku badacze skupili się na opornym na antybiotyki (metycylinę), Staphylococcus aureus — MRSA.

Nowe antybiotyki mogą zapobiec śmierci nawet 35 tys. osób w samej tylko UE

Zakażenia MRSA mogą mieć różne nasilenie, od łagodnych infekcji skórnych po bardziej poważne i potencjalnie zagrażające życiu stany, takie jak zapalenie płuc i zakażenia krwiobiegu. Zgodnie z danymi Europejskiego Centrum Zapobiegania i Kontroli Chorób (ECDC) prawie 150 tys. przypadków występuje każdego roku w Unii Europejskiej, a prawie 35 tys. osób rocznie umiera z powodu zakażeń opornych na leki.

Zespół MIT zastosował rozszerzony model głębokiego uczenia się, szkoląc go na ogromnych zbiorach danych. Aby je stworzyć, oceniono około 39 000 związków pod kątem ich aktywności antybiotykowej przeciwko MRSA. Następnie uzyskane dane oraz szczegóły dotyczące struktur chemicznych wprowadzono do modelu.

To, co zamierzaliśmy zrobić w tym badaniu, to otworzyć czarną skrzynkę. Te modele polegają na bardzo dużej liczbie obliczeń, które imitują połączenia neuronów i nikt naprawdę nie wie, co dzieje się pod spodem — powiedział Felix Wong, doktorant na MIT i Harvardzie, jeden z głównych autorów badania.

Aby dopracować wybór potencjalnych antybiotyków, badacze użyli trzech dodatkowych modeli głębokiego uczenia. Przeszkolono je do oceny toksyczności związków na trzech różnych typach ludzkich komórek.

Integrując prognozy toksyczności z wcześniej ustaloną aktywnością przeciwbakteryjną, badacze zlokalizowali związki zdolne do skutecznego zwalczania drobnoustrojów przy minimalnej szkodzie dla ludzkiego ciała.

AstraZeneca inwestuje 247 mln dolarów w rozwój AI, aby odkryć lek na raka

Korzystając z tego zestawu modeli, przeszukano około 12 milionów dostępnych komercyjnie związków. Sztuczna inteligencja zidentyfikowała antybiotyki z pięciu różnych klas, sklasyfikowanych na podstawie określonych podstruktur chemicznych wewnątrz molekuł, które wykazywały przewidywaną aktywność przeciwko MRSA.

Następnie badacze pozyskali około 280 tych związków i przeprowadzili testy przeciwko MRSA w laboratorium. Ta metoda pozwoliła im zidentyfikować dwa nowe potencjalne antybiotyki z tej samej klasy związków chemicznych.

Wyniki opublikowano w czasopiśmie Nature

Źródło: Euronews