خوارزميات الذكاء الاصطناعي المستخدمة لتطوير الأدوية لمكافحة البكتيريا المقاومة للأدوية

واحدة من أكبر التحديات التي تواجه الصناعة الطبية هي البكتيريا المقاومة للأدوية. حاليًا، هناك ما يقدر بنحو 700,000 حالة وفاة بسبب البكتيريا المقاومة للأدوية، وتطوير المزيد من سلالات البكتيريا المقاومة للأدوية. يحاول العلماء والمهندسون تطوير طرق جديدة لمكافحة البكتيريا المقاومة للأدوية. واحدة من طرق تطوير المضادات الحيوية الجديدة هي استخدام الذكاء الاصطناعي والتعلم الآلي لتحديد مركبات جديدة قد تتعامل مع سلالات جديدة من البكتيريا الفائقة.

كما ذكرت SingularityHub، تم تصميم مضاد حيوي جديد بمساعدة الذكاء الاصطناعي. تم تسمية المضاد الحيوي الجديد بالاسين، بعد الذكاء الاصطناعي HAL من فيلم 2001: أوديسا الفضاء. أثبت المضاد الحيوي الجديد الذي تم تطويره نجاحًا في القضاء على بعض سلالات البكتيريا الفائقة الشديدة. تم اكتشاف المضاد الحيوي الجديد من خلال استخدام خوارزميات التعلم الآلي. على وجه التحديد، تم تدريب نموذج التعلم الآلي باستخدام مجموعة بيانات كبيرة تتكون من حوالي 2500 مركب. كان نصف الأدوية المستخدمة في تدريب النموذج أدوية تمت الموافقة عليها بالفعل من قبل إدارة الأغذية والأدوية، في حين كان نصف مجموعة التدريب الآخر يتكون من مركبات طبيعية. قام فريق الباحثين بتعديل الخوارزميات لت优先ية الجزيئات التي تتمتع بالخصائص المضادة للميكروبات ولكنها مختلفة عن هياكل المضادات الحيوية الحالية. ثم قاموا بفحص النتائج لتحديد المركبات التي ستكون آمنة للاستهلاك البشري.

وفقًا لThe Guardian، أثبت الدواء فعالية كبيرة في مكافحة البكتيريا المقاومة للأدوية في دراسة حديثة. إنه فعال جدًا لأنه يؤدي إلى تدهور الغشاء البكتيري، مما يعطل قدرة البكتيريا على إنتاج الطاقة. قد يستغرق الأمر أكثر من طفرة جينية واحدة لتطوير دفاعات ضد تأثيرات البالاسين، مما يعطي البالاسين قوة البقاء. كما قام فريق البحث بتحديد كيفية أداء المركب في الفئران، حيث كان قادرًا على تنظيف الفئران المصابة بسلالة بكتيرية مقاومة لجميع المضادات الحيوية الحالية. مع وعد نتائج الدراسات، يأمل فريق البحث في الدخول في شراكة مع كيان دوائي لإثبات سلامة الدواء للاستخدام من قبل الناس.

جيمس كولينز، أستاذ الهندسة الحيوية والمؤلف الرئيسي في معهد ماساتشوستس للتكنولوجيا، وريجينا بارزيلاي، أستاذ علوم الكمبيوتر في معهد ماساتشوستس للتكنولوجيا، كانا كلاهما مؤلفين رئيسيين في الورقة. يأمل كولينز وبارزيلاي وباحثون آخرون أن تساعد الخوارزميات مثل تلك المستخدمة في تصميم البالاسين في تسريع اكتشاف المضادات الحيوية الجديدة لمواجهة انتشار سلالات الأمراض المقاومة للأدوية.

البالاسين بعيد كل البعد عن المركب الوحيد الذي تم اكتشافه باستخدام الذكاء الاصطناعي. يريد فريق البحث بقيادة كولين 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. يُreported أن الفريق قد تمكن بالفعل من العثور على ما لا يقل عن 23 مرشحًا مختلفًا يلبي معايير كونها آمنة محتملًا للاستهلاك البشري ومتفاوتة الهيكل عن المضادات الحيوية الحالية.

تعتبر واحدة من الآثار الجانبية الغير سارة للمضادات الحيوية هي أنها، بينما تقتل البكتيريا الضارة، تقتل أيضًا البكتيريا المعوية الضرورية التي يحتاجها الجسم البشري. يأمل البحث في أنه قد يستخدم تقنيات مشابهة لتلك المستخدمة في إنشاء البالاسين لإنشاء مضادات حيوية مع آثار جانبية أقل، أدوية أقل احتمالاً لتسبب ضررًا للميكروبيوم المعوي البشري.

تعتبر العديد من الشركات الأخرى تحاول أيضًا استخدام التعلم الآلي لتسهيل عملية إنشاء الأدوية المعقدة والطويلة والأكثر تكلفة. لقد قامت شركات أخرى بتدريب خوارزميات الذكاء الاصطناعي ل合성 مركبات دوائية جديدة. تمكنت شركة واحدة مؤخرًا من تطوير دواء概念ي في أقل من شهر و نصف، وهو وقت أقصر بكثير من الأشهر أو حتى السنوات التي يمكن أن تأخذها عملية إنشاء دواء بالطريقة التقليدية.

بارزيلاي متفائل بأن أساليب اكتشاف الأدوية القائمة على الذكاء الاصطناعي يمكن أن تحول منظر اكتشاف الأدوية بطرق معنوية. أوضح بارزيلاي أن العمل على البالاسين هو مثال عملي عن مدى فعالية تقنيات التعلم الآلي:

“لا يزال هناك سؤال حول ما إذا كانت أدوات التعلم الآلي تفعل حقًا شيئًا ذكياً في مجال الرعاية الصحية، وكيف يمكننا تطويرها لتكون خيولًا حربية في صناعة الأدوية. هذا يظهر مدى ما يمكنك تعديل هذه الأداة.”