خوارزميات الذكاء الاصطناعي المستخدمة لتطوير الأدوية لمكافحة البكتيريا المقاومة للمضادات الحيوية

أحد أكبر التحديات التي تواجه الصناعة الطبية هو البكتيريا المقاومة للمضادات الحيوية. حاليًا، هناك ما يقدر بنحو 700 ألف حالة وفاة بسبب البكتيريا المقاومة للمضادات الحيوية، ومازال هناك المزيد من سلالات البكتيريا المقاومة للمضادات الحيوية في التطور. يحاول العلماء والمهندسون تطوير أساليب جديدة لمكافحة البكتيريا المقاومة للمضادات الحيوية. واحدة من طرق تطوير المضادات الحيوية الجديدة هي استخدام الذكاء الاصطناعي وتعلم الآلة لتحديد مركبات جديدة قد تتعامل مع سلالات جديدة من البكتيريا الفائقة.

كما ذكرت SingularityHub، تم تصميم مضاد حيوي جديد بمساعدة الذكاء الاصطناعي. وقد سمي المضاد الحيوي الجديد هاليسين، على اسم الذكاء الاصطناعي هال من فيلم 2001: أوديسا الفضاء. أثبت المضاد الحيوي الجديد نجاحًا في القضاء على بعض سلالات البكتيريا الفائقة. تم اكتشاف المضاد الحيوي الجديد من خلال استخدام خوارزميات تعلم الآلة. على وجه التحديد، تم تدريب نموذج تعلم الآلة باستخدام مجموعة بيانات كبيرة تتكون من حوالي 2500 مركب. كانت نصف الأدوية المستخدمة في تدريب النموذج أدوية تمت الموافقة عليها بالفعل من قبل إدارة الأغذية والأدوية، في حين أن النصف الآخر من مجموعة التدريب يتكون من مركبات طبيعية. قام فريق الباحثين بتعديل الخوارزميات لتحديد الجزيئات التي تمتلك في نفس الوقت خصائص المضادات الحيوية ولكنها مختلفة عن هياكل المضادات الحيوية الحالية. ثم قاموا بفحص النتائج لتحديد المركبات التي ستكون آمنة للاستهلاك البشري.

وفقًا لتقارير The Guardian، أثبت الدواء فعاليته الشديدة في مكافحة البكتيريا المقاومة للمضادات الحيوية في دراسة حديثة. وهو فعّال جدًا لأنها تتحلل غشاء البكتيريا، مما يعطل قدرة البكتيريا على إنتاج الطاقة. من أجل أن تطور البكتيريا دفاعات ضد تأثير هاليسين، قد يستغرق الأمر أكثر من بضع طفرات جينية، مما يعطي هاليسين قوة البقاء. كما قام فريق البحث بتحديد أداء المركب في الفئران، حيث تمكنت من تنظيف الفئران المصابة بسلالة بكتيريا مقاومة للمضادات الحيوية الحالية. مع نتائج الدراسات الواعدة، يأمل فريق البحث في الدخول في شراكة مع كيان دوائي لإثبات سلامة الدواء للاستخدام البشري.

جيمس كولينز، أستاذ الهندسة الحيوية والكاتب الرئيسي في معهد ماساتشوستس للتكنولوجيا، وريجينا بارزيلاي، أستاذ علوم الحاسوب في معهد ماساتشوستس للتكنولوجيا، كانا كلاهما كتّابًا رئيسيين في الورقة. يأمل كولينز وبارزيلاي والباحثون الآخرون أن تساعد الخوارزميات مثل تلك المستخدمة في تصميم هاليسين في تسريع اكتشاف المضادات الحيوية الجديدة لمكافحة انتشار سلالات البكتيريا المقاومة للمضادات الحيوية.

هاليسين ليس الدواء المركب الوحيد الذي تم اكتشافه باستخدام الذكاء الاصطناعي. يريد فريق البحث بقيادة كولينز وبارزيلاي أن يذهبوا إلى أبعد من ذلك وإنشاء مركبات جديدة من خلال تدريب المزيد من النماذج باستخدام حوالي 100 مليون جزيء من قاعدة بيانات ZINC 15، وهي مكتبة إلكترونية تضم أكثر من 1.5 مليار مركب دوائي. ويُreported أن الفريق قد تمكنت بالفعل من العثور على ما لا يقل عن 23 مرشحًا مختلفًا يلبي معايير كونها آمنة للاستخدام البشري ومتفاوتة هيكليًا عن المضادات الحيوية الحالية.

من الآثار الجانبية الغير سارة للمضادات الحيوية هو أنها، بينما تقتل البكتيريا الضارة، تقتل أيضًا البكتيريا الغدية الضرورية التي يحتاجها الجسم. يأمل البحث في أن يستخدم تقنيات مشابهة لتلك المستخدمة في إنشاء هاليسين لإنشاء مضادات حيوية مع أقل آثار جانبية، أدوية أقل احتمالاً لتسبب ضررًا للميكروبيوم الغدي البشري.

تجرب العديد من الشركات الأخرى أيضًا استخدام تعلم الآلة لتسهيل عملية إنشاء الأدوية المعقدة والطويلة والأغلى. لقد قامت شركات أخرى بتدريب خوارزميات الذكاء الاصطناعي لتحسين مركبات دوائية جديدة. للتو، تمكنت شركة واحدة من تطوير دواء概念ي في شهر وشهرين فقط، وهو وقت أقصر بكثير من الأشهر أو السنوات التي قد تستغرقها عملية إنشاء دواء بالطريقة التقليدية.

بارزيلاي متفائلة بأن أساليب اكتشاف الأدوية التي تعتمد على الذكاء الاصطناعي يمكن أن ت改变 مشهد اكتشاف الأدوية بطرق مهمة. أوضحت بارزيلاي أن العمل على هاليسين هو مثال عملي على مدى فعالية تقنيات تعلم الآلة:

“ما زالت هناك سؤال حول ما إذا كانت أدوات تعلم الآلة تفعل شيئًا ذكيًا في مجال الرعاية الصحية، وكيف يمكننا تطويرها لتصبح خيول عمل في صناعة الأدوية. هذا يظهر مدى إمكانية تعديل هذه الأداة.”