A kábítószer-rezisztens baktériumok ellen küzdő gyógyszerek kifejlesztésére használt mesterséges intelligencia algoritmusok

Az orvosi ipar előtt álló egyik legnagyobb kihívást a gyógyszerrezisztens baktériumok jelentik. Jelenleg mintegy 700,000 XNUMX ember hal meg a gyógyszerrezisztens baktériumok miatt, és egyre több gyógyszerrezisztens baktériumtörzs fejlődik ki. A tudósok és mérnökök új módszereket próbálnak kidolgozni a gyógyszerrezisztens baktériumok leküzdésére. Az új antibiotikumok kifejlesztésének egyik módja a mesterséges intelligencia és a gépi tanulás alkalmazása olyan új vegyületek izolálására, amelyek képesek megbirkózni a szuperbaktériumok új törzseivel.

Amint arról a SingularityHub beszámolt, egy új antibiotikumot terveztek az AI segítségével. Az antibiotikum a halicin nevet kapta a 2001-es AI HAL: Space Odyssey után. Az újonnan kifejlesztett antibiotikum sikeresnek bizonyult néhány virilis szuperbaktérium törzs eltávolításában. Az új antibiotikumot gépi tanulási algoritmusok segítségével fedezték fel. Pontosabban, a gépi tanulási modellt egy körülbelül 2,500 vegyületből álló nagy adatkészlet segítségével képezték ki. A modell képzéséhez használt gyógyszerek közel fele az FDA által már jóváhagyott gyógyszer volt, míg a képzési készlet másik fele természetesen előforduló vegyületekből állt. A kutatócsoport úgy módosította az algoritmusokat, hogy előnyben részesítse azokat a molekulákat, amelyek egyidejűleg rendelkeznek antibiotikus tulajdonságokkal, de különböznek a meglévő antibiotikum-struktúráktól. Ezután megvizsgálták az eredményeket, hogy meghatározzák, mely vegyületek lennének biztonságosak emberi fogyasztásra.

A The Guardian szerint, a gyógyszer rendkívül hatékonynak bizonyult a gyógyszerrezisztens baktériumok elleni küzdelemben egy nemrégiben végzett tanulmányban. Annyira hatásos, hogy lebontja a baktériumok membránját, ami ellehetetleníti a baktériumok energiatermelési képességét. Ahhoz, hogy a baktériumok védekezőképességet fejlesszenek ki a halicin hatásai ellen, néhány genetikai mutációnál többre van szükség, ami a halicin megtartó erejét adja. A kutatócsoport azt is tesztelte, hogy a vegyület hogyan teljesít egereken, ahol sikeresen meg tudta tisztítani az összes jelenlegi antibiotikumra rezisztens baktériumtörzzsel fertőzött egereket. Mivel a vizsgálatok olyan ígéretesek eredményei, a kutatócsoport azt reméli, hogy partnerségre léphet egy gyógyszertári társasággal, és bebizonyíthatja, hogy a gyógyszer biztonságos az emberek számára.

James Collins, a biomérnöki professzor és az MIT vezető szerzője, valamint Regina Barzilay, az MIT számítástechnikai professzora egyaránt vezető szerzők voltak a cikkben. Collins, Barzilay és más kutatók azt remélik, hogy az olyan algoritmusok, mint amilyen a halicin tervezésénél használtak, felgyorsíthatják az új antibiotikumok felfedezését a betegség gyógyszerrezisztens törzseinek elterjedésének leküzdésére.

A halicin messze nem az egyetlen gyógyszervegyület, amelyet mesterséges intelligencia használatával fedeztek fel. A Collin és Barzilay által vezetett kutatócsoport messzebbre akar menni, és új vegyületeket szeretne létrehozni, hogy több modellt oktasson a több mint 100 milliárd gyógyszervegyületet tartalmazó ZINC 15 adatbázisból származó mintegy 1.5 millió molekula felhasználásával. A jelentések szerint a csapatnak már sikerült legalább 23 különböző jelöltet találnia, amelyek megfelelnek az emberi felhasználásra való esetleges biztonságosság kritériumának, és szerkezetileg különböznek a jelenlegi antibiotikumoktól.

Az antibiotikumok sajnálatos mellékhatása, hogy miközben elpusztítják a káros baktériumokat, egyúttal elpusztítják a szükséges bélbaktériumokat is, amelyekre az emberi szervezetnek szüksége van. A kutatás azt reméli, hogy a halicin előállításához használt technikákhoz hasonló technikákat alkalmazhatnak kevesebb mellékhatással járó antibiotikumok előállítására, amelyek kevésbé károsítják az emberi bélmikrobiómát.

Sok más cég is próbálkozik gépi tanulással a bonyolult, hosszú és gyakran költséges gyógyszerkészítési folyamat egyszerűsítésére. Más cégek mesterséges intelligencia-algoritmusokat is képeztek új gyógyszervegyületek szintetizálására. A közelmúltban egy cég képes volt kifejleszteni egy proof-of-concept gyógyszert csak másfél hónap, sokkal rövidebb idő, mint amennyi hónapok vagy akár évek telhetnek el egy gyógyszer hagyományos módon történő elkészítéséhez.

Barzilay optimista a tekintetben, hogy a mesterséges intelligencia által vezérelt gyógyszerkutatási módszerek értelmes módon átalakíthatják a gyógyszerkutatás környezetét. Barzilay elmagyarázta, hogy a halicinnel kapcsolatos munka gyakorlati példa arra, hogy milyen hatékonyak lehetnek a gépi tanulási technikák:

„Még mindig kérdéses, hogy a gépi tanulási eszközök valóban csinálnak-e valami intelligens megoldást az egészségügyben, és hogyan fejleszthetjük őket igáslóvá a gyógyszeriparban. Ez azt mutatja, hogy milyen messzire tudja adaptálni ezt az eszközt.”