AI алгоритми, използвани за разработване на лекарства, които се борят с резистентни към лекарства бактерии

Едно от най-големите предизвикателства пред медицинската индустрия са устойчивите на лекарства бактерии. Понастоящем има приблизително 700,000 XNUMX смъртни случая, дължащи се на резистентни към лекарства бактерии и се развиват повече щамове резистентни към лекарства бактерии. Учени и инженери се опитват да разработят нови методи за борба с устойчивите на лекарства бактерии. Един метод за разработване на нови антибиотици е използването на изкуствен интелект и машинно обучение за изолиране на нови съединения, които могат да се справят с нови щамове супербактерии.

Както съобщи SingularityHub, Нов е проектиран антибиотик с помощта на AI. Антибиотикът е наречен халицин, след AI HAL от 2001 г.: Космическа одисея. Новоразработеният антибиотик се оказа успешен при елиминирането на някои от вирусните супербактериални щамове. Новият антибиотик е открит чрез използването на алгоритми за машинно обучение. По-конкретно, моделът за машинно обучение беше обучен с помощта на голям набор от данни, състоящ се от приблизително 2,500 съединения. Почти половината от лекарствата, използвани за обучение на модела, са лекарства, вече одобрени от FDA, докато другата половина от набора за обучение се състои от естествено срещащи се съединения. Екипът от изследователи промени алгоритмите, за да даде приоритет на молекули, които едновременно притежават антибиотични свойства, но се различават от съществуващите антибиотични структури. След това те изследват резултатите, за да определят кои съединения биха били безопасни за консумация от човека.

Според The ​​Guardian, лекарството се оказа изключително ефективно в борбата с резистентните към лекарства бактерии в скорошно проучване. Той е толкова ефективен, защото разгражда мембраната на бактериите, което забранява способността на бактериите да произвеждат енергия. За да могат бактериите да развият защита срещу ефектите на халицин, може да са необходими повече от няколко генетични мутации, което дава на халицин издръжливост. Изследователският екип също така тества как съединението работи при мишки, където успя успешно да изчисти мишки, заразени с щам бактерии, резистентни към всички настоящи антибиотици. Тъй като резултатите от проучванията са толкова обещаващи, изследователският екип се надява да влезе в партньорство с фармацевтична организация и да докаже, че лекарството е безопасно за употреба от хора.

Джеймс Колинс, професор по биоинженерство и старши автор в MIT, и Regina Barzilay, професор по компютърни науки в MIT, бяха и двамата старши автори на статията. Колинс, Барзилей и други изследователи се надяват, че алгоритми като типа, който са използвали за проектиране на халицин, могат да помогнат за бързото откриване на нови антибиотици, за да се справят с разпространението на резистентни към лекарства щамове на болестта.

Халицинът далеч не е единственото лекарствено съединение, открито с помощта на AI. Изследователският екип, ръководен от Collin и Barzilay, иска да отиде по-далеч и да създаде нови съединения, обучаващи повече модели, използвайки около 100 милиона молекули, извлечени от базата данни ZINC 15, онлайн библиотека с над 1.5 милиарда лекарствени съединения. Съобщава се, че екипът вече е успял да намери най-малко 23 различни кандидати, които отговарят на критериите за евентуална безопасност за човешка употреба и структурно различни от настоящите антибиотици.

Неприятен страничен ефект на антибиотиците е, че докато убиват вредните бактерии, те убиват и необходимите чревни бактерии, от които човешкото тяло се нуждае. Изследването се надява, че те биха могли да използват техники, подобни на тези, използвани за създаването на халицин, за да създадат антибиотици с по-малко странични ефекти, лекарства, които е по-малко вероятно да увредят чревния микробиом на човека.

Много други компании също се опитват да използват машинно обучение, за да опростят сложния, дълъг и често скъп процес на създаване на лекарства. Други компании също обучават AI алгоритми за синтезиране на нови лекарствени съединения. Съвсем наскоро една компания успя да разработи лекарство с доказателство за концепцията само месец и половина, много по-кратък период от време от месеците или дори годините, необходими за създаването на лекарство по традиционния начин.

Барзилай е оптимист, че управляваните от AI методи за откриване на лекарства могат да трансформират пейзажа на откриването на лекарства по смислени начини. Барзилай обясни, че работата по халицин е практически пример за това колко ефективни могат да бъдат техниките за машинно обучение:

„Все още има въпрос дали инструментите за машинно обучение наистина правят нещо интелигентно в здравеопазването и как можем да ги развием, за да бъдат работни коне във фармацевтичната индустрия. Това показва доколко можете да адаптирате този инструмент.“