Algoritmy umělé inteligence použité k vývoji léků proti bakteriím rezistentním na léky

Jedním z největších problémů, kterým čelí zdravotnický průmysl, jsou bakterie rezistentní na léky. V současné době je odhadováno, že existuje kolem 700 000 úmrtí způsobených bakteriemi rezistentními na léky, a stále se vyvíjejí další kmeny bakterií rezistentních na léky. Vědci a inženýři se pokoušejí vyvinout nové metody boje proti bakteriím rezistentním na léky. Jednou z metod vývoje nových antibiotik je využití umělé inteligence a strojového učení k izolaci nových sloučenin, které by mohly zvládnout nové kmeny super-bakterií.

Jak uvádí SingularityHub, byl navržen nový antibiotikum s pomocí umělé inteligence. Antibiotikum bylo pojmenováno halicin, po umělé inteligenci HAL z filmu 2001: Vesmírná odysea. Nově vyvinuté antibiotikum se ukázalo být úspěšné v eliminaci některých virulentních kmenů super-bakterií. Nové antibiotikum bylo objeveno pomocí strojového učení. Konkrétně byl model strojového učení vyškolen pomocí velké datové sady složené z přibližně 2 500 sloučenin. Téměř polovina léků použitých k výcviku modelu byly léky již schválené FDA, zatímco druhá polovina výcvikové sady se skládala z přírodních sloučenin. Tým výzkumníků upravil algoritmy tak, aby upřednostňovaly molekuly, které současně vlastnily antibiotické vlastnosti, ale lišily se od stávajících struktur antibiotik. Poté prozkoumali výsledky, aby určili, které sloučeniny by byly bezpečné pro lidskou spotřebu.

Podle The Guardian se lék ukázal být extrémně účinný v boji proti bakteriím rezistentním na léky ve studii. Je tak účinný, protože degraduje membránu bakterií, což znemožňuje bakteriím produkovat energii. Pro bakterie, aby vyvinuly obranu proti účinkům halicinu, by mohlo trvat více než několik genetických mutací, což halicinu dává setrvalost. Výzkumný tým také testoval, jak sloučenina fungovala u myší, kde se jí podařilo úspěšně očistit myši infikované kmenem bakterií rezistentních na všechny současné antibiotika. S tak slibnými výsledky výzkumný tým doufá, že se bude moci spojit s farmaceutickou entitou a prokázat, že lék je bezpečný pro lidskou spotřebu.

James Collins, profesor bioinženýrství a hlavní autor na MIT, a Regina Barzilay, profesorka počítačových věd na MIT, byli oba hlavními autory článku. Collins, Barzilay a další výzkumníci doufají, že algoritmy, jako je ten, který byl použit k navržení halicinu, by mohly pomoci urychlit objev nových antibiotik, aby se vypořádaly s proliferací kmenů bakterií rezistentních na léky.

Halicin je daleko od jediné sloučeniny, která byla objevena pomocí umělé inteligence. Výzkumný tým vedený Collinsem a Barzilay chce jít dále a vytvořit nové sloučeniny pomocí více modelů s přibližně 100 miliony molekul z databáze ZINC 15, online knihovny více než 1,5 miliardy sloučenin. Podle zpráv se týmu již podařilo najít alespoň 23 různých kandidátů, kteří splňují kritéria pro možnou bezpečnost pro lidskou spotřebu a strukturální odlišnost od stávajících antibiotik.

Nešťastnou vedlejší účinkem antibiotik je, že, zatímco zabíjejí škodlivé bakterie, také zabíjejí nezbytné střevní bakterie, které lidské tělo potřebuje. Výzkumníci doufají, že by mohli použít techniky podobné těm, které byly použity k vytvoření halicinu, aby vytvořili antibiotika s méně vedlejšími účinky, léky, které by byly méně pravděpodobně poškozovat lidskou střevní mikrobiotu.

Mnohé další společnosti se také pokoušejí použít strojové učení, aby zjednodušily složitý, dlouhý a často drahý proces vytváření léků. Další společnosti také školily algoritmy umělé inteligence, aby syntetizovaly nové sloučeniny léků. Před nedávnem jedna společnost dokázala vyvinout koncept léku za pouhých měsíc a půl, což je mnohem kratší doba, než měsíce nebo dokonce roky, které může trvat vývoj léku tradičním způsobem.

Barzilay je optimistická, že metody objevování léků pomocí umělé inteligence mohou transformovat krajinu objevování léků významným způsobem. Barzilay vysvětlila, že práce na halicinu je praktickým příkladem toho, jak účinné mohou být techniky strojového učení:

„Stále existuje otázka, zda nástroje strojového učení skutečně dělají něco inteligentního ve zdravotnictví, a jak je můžeme vyvinout, aby se staly pracujícími koni ve farmaceutickém průmyslu. To ukazuje, jak daleko můžete přizpůsobit tento nástroj.“