एआई एल्गोरिदम का उपयोग दवाओं को विकसित करने के लिए किया जाता है जो दवा-प्रतिरोधी बैक्टीरिया से लड़ते हैं

चिकित्सा उद्योग के सामने सबसे बड़ी चुनौतियों में से एक दवा-प्रतिरोधी बैक्टीरिया है। वर्तमान में, दवा-प्रतिरोधी बैक्टीरिया के कारण लगभग 700,000 मौतें होती हैं, और अधिक स्ट्रेन दवा-प्रतिरोधी बैक्टीरिया विकसित हो रहे हैं। वैज्ञानिक और इंजीनियर दवा-प्रतिरोधी बैक्टीरिया से निपटने के लिए नए तरीके विकसित करने का प्रयास कर रहे हैं। दवा-प्रतिरोधी बैक्टीरिया से निपटने के लिए नए एंटीबायोटिक्स विकसित करने का एक तरीका कृत्रिम बुद्धिमत्ता और मशीन लर्निंग का उपयोग करके नए यौगिकों को अलग करना है जो नए सुपर-बैक्टीरिया के स्ट्रेन से निपट सकते हैं।

सिंगुलैरिटीहब की रिपोर्ट के अनुसार, एक नए एंटीबायोटिक को एआई की मदद से डिज़ाइन किया गया था। एंटीबायोटिक का नाम हैलिसिन रखा गया है, जो 2001 में एआई हैल से प्रेरित है। नए विकसित एंटीबायोटिक ने कुछ वायरल सुपर-बैक्टीरिया स्ट्रेन को समाप्त करने में सफलता प्राप्त की। नए एंटीबायोटिक की खोज मशीन लर्निंग एल्गोरिदम का उपयोग करके की गई थी। विशेष रूप से, मशीन लर्निंग मॉडल को लगभग 2,500 यौगिकों के बड़े डेटासेट का उपयोग करके प्रशिक्षित किया गया था। मॉडल को प्रशिक्षित करने के लिए उपयोग किए जाने वाले दवाओं में से लगभग आधी दवाएं पहले से ही एफडीए द्वारा अनुमोदित थीं, जबकि प्रशिक्षण सेट का दूसरा आधा हिस्सा प्राकृतिक रूप से होने वाले यौगिकों से बना था। शोधकर्ताओं ने एल्गोरिदम को उन अणुओं को प्राथमिकता देने के लिए समायोजित किया जो एक ही समय में एंटीबायोटिक गुणों के साथ-साथ मौजूदा एंटीबायोटिक संरचनाओं से अलग थे। उन्होंने तब परिणामों की जांच की ताकि यह निर्धारित किया जा सके कि कौन से यौगिक मानव उपभोग के लिए सुरक्षित होंगे।

द गार्जियन के अनुसार, हाल के एक अध्ययन में दवा-प्रतिरोधी बैक्टीरिया से लड़ने में दवा बेहद प्रभावी साबित हुई। यह इतनी प्रभावी है क्योंकि यह बैक्टीरिया की झिल्ली को नष्ट कर देती है, जो बैक्टीरिया को ऊर्जा उत्पन्न करने की क्षमता को अक्षम कर देती है। हैलिसिन के प्रभावों के खिलाफ बैक्टीरिया को रक्षा विकसित करने के लिए कुछ जेनेटिक उत्परिवर्तन लेने की आवश्यकता होगी, जो हैलिसिन को बनाए रखने की शक्ति प्रदान करता है। शोध टीम ने यह भी परीक्षण किया कि यौगिक चूहों में कैसा प्रदर्शन करता है, जहां यह सफलतापूर्वक चूहों को साफ कर देता है जो वर्तमान एंटीबायोटिक्स के प्रतिरोधी बैक्टीरिया के साथ संक्रमित थे। अध्ययन के परिणाम इतने आशाजनक हैं कि शोध टीम एक दवा इकाई के साथ साझेदारी में जाने और लोगों द्वारा उपयोग के लिए दवा की सुरक्षा साबित करने की उम्मीद करती है।

जेम्स कॉलिन्स, एमआईटी में बायोइंजीनियरिंग के प्रोफेसर और वरिष्ठ लेखक, और रेजिना बार्ज़िले, एमआईटी में कंप्यूटर विज्ञान के प्रोफेसर, दोनों इस पत्र के वरिष्ठ लेखक थे। कॉलिन्स, बार्ज़िले और अन्य शोधकर्ताओं को उम्मीद है कि हैलिसिन को डिज़ाइन करने के लिए उन्होंने जिस प्रकार के एल्गोरिदम का उपयोग किया था, वह नए एंटीबायोटिक्स की खोज को तेज करने में मदद कर सकता है जो बीमारी के दवा-प्रतिरोधी स्ट्रेन के प्रसार से निपटते हैं।

हैलिसिन एकमात्र दवा यौगिक नहीं है जिसे एआई का उपयोग करके खोजा गया है। कॉलिन और बार्ज़िले के नेतृत्व वाली शोध टीम 1.5 बिलियन दवा यौगिकों की ऑनलाइन लाइब्रेरी जिंक 15 डेटाबेस से लगभग 100 मिलियन अणुओं का उपयोग करके अधिक मॉडल प्रशिक्षित करना चाहती है। रिपोर्ट के अनुसार, टीम ने पहले ही कम से कम 23 अलग-अलग उम्मीदवारों को खोज लिया है जो मानव उपयोग के लिए संभावित रूप से सुरक्षित हैं और वर्तमान एंटीबायोटिक्स से संरचनात्मक रूप से अलग हैं।

एंटीबायोटिक्स का एक दुर्भाग्यपूर्ण दुष्प्रभाव यह है कि वे हानिकारक बैक्टीरिया को मारते हैं, लेकिन वे मानव शरीर को आवश्यक आंत बैक्टीरिया को भी मार देते हैं। शोधकर्ताओं को उम्मीद है कि वे हैलिसिन बनाने के लिए उपयोग की जाने वाली तकनीकों के समान तकनीकों का उपयोग करके कम दुष्प्रभाव वाले एंटीबायोटिक्स बना सकते हैं, जो मानव आंत माइक्रोबायोम को नुकसान पहुंचाने की संभावना कम है।

कई अन्य कंपनियां भी दवा निर्माण प्रक्रिया को सरल बनाने के लिए मशीन लर्निंग का उपयोग करने का प्रयास कर रही हैं। अन्य कंपनियों ने भी नए दवा यौगिकों को संश्लेषित करने के लिए एआई एल्गोरिदम को प्रशिक्षित किया है। हाल ही में एक कंपनी ने केवल एक महीने और आधे में एक प्रूफ-ऑफ-кон्सेप्ट दवा विकसित की, जो पारंपरिक तरीके से दवा बनाने में लगने वाले समय से बहुत कम है।

बार्ज़िले को उम्मीद है कि एआई-संचालित दवा खोज तरीके दवा खोज के परिदृश्य को महत्वपूर्ण तरीके से बदल सकते हैं। बार्ज़िले ने हैलिसिन पर काम को एक व्यावहारिक उदाहरण के रूप में वर्णित किया कि मशीन लर्निंग तकनीकें कितनी प्रभावी हो सकती हैं:

“चिकित्सा में वास्तव में कुछ बुद्धिमान करने के लिए मशीन-लर्निंग टूल्स के बारे में अभी भी एक प्रश्न है, और हम उन्हें दवा उद्योग में काम करने वाले घोड़ों के रूप में विकसित करने के लिए कैसे कर सकते हैं। यह दिखाता है कि आप इस उपकरण को कितना अनुकूलित कर सकते हैं।”