薬剤耐性菌に効果的な薬剤を開発するために使用されるAIアルゴリズム

医療業界が直面している最大の課題の1つは、薬剤耐性菌です。現在、薬剤耐性菌による死者は約70万人と推定されており、新しい耐性菌も増えています。科学者やエンジニアは、薬剤耐性菌に対抗する新しい方法を開発しようとしています。新しい抗生物質を開発する1つの方法は、人工知能と機械学習を使用して、新しい化合物を分離し、新しい超耐性菌株に対処することです。

SingularityHubによると、新しい抗生物質がAIの支援を受けて設計されました。この抗生物質は、2001年のスペースオデッセイのAIHALにちなんでhalicinと命名されました。新しく開発された抗生物質は、ある程度の毒性を持つ超耐性菌株を排除することに成功しました。新しい抗生物質は、機械学習アルゴリズムを使用して発見されました。具体的には、機械学習モデルは約2,500化合物で構成される大規模なデータセットを使用してトレーニングされました。トレーニングに使用される薬剤の約半分はFDAによって既に承認された薬剤で、トレーニングセットの残りの半分は自然に発生する化合物で構成されました。研究チームは、抗生物質特性を持ちながらも既存の抗生物質構造と異なる分子を優先するようにアルゴリズムを調整しました。次に、結果を調べて、どの化合物が人間の消費に安全であるかを判断しました。

The Guardianによると、この薬剤は最近の研究で薬剤耐性菌と戦うのに非常に効果的であることが証明されました。これは、細菌の膜を分解し、細菌がエネルギーを生成する能力を無効にするためです。halicinの影響に対して細菌が防御を開発するには、複数の遺伝子変異が必要になるため、halicinには持続力があります。研究チームは、化合物がマウスでどのように機能するかもテストし、現在のすべての抗生物質に耐性を持つ細菌株で感染したマウスを正常に排除することができました。研究の結果が非常に有望であることから、研究チームは製薬企業と提携し、薬剤を人間の使用に安全であることを証明したいと考えています。

MITの生物工学教授であり、論文の共同著者であるJames Collinsと、MITのコンピューターサイエンス教授であり、論文の共同著者であるRegina Barzilayは、halicinを設計するために使用したタイプのアルゴリズムが、新しい抗生物質の発見を促進するのに役立つことを希望しています。耐性菌の増加に対処するために。

halicinは、AIを使用して発見された唯一の薬剤化合物ではありません。CollinsとBarzilayが率いる研究チームは、ZINC 15データベースから約1億の分子を使用してさらに多くのモデルをトレーニングし、新しい化合物を作成したいと考えています。ZINC 15データベースは、15億を超える薬剤化合物のオンラインライブラリです。チームは、既存の抗生物質と構造が異なり、人間の使用に安全である可能性のある少なくとも23の異なる候補者を見つけることに既に成功しています。

抗生物質の不幸な副作用の1つは、有害な細菌を殺すだけでなく、人間の身体が必要とする必要な腸内細菌も殺すことです。研究チームは、halicinを作成するために使用された技術と同様の技術を使用して、副作用が少ない抗生物質、腸内微生物群に対して害を及ぼさない薬剤を作成できることを希望しています。

他の多くの企業も、薬剤の作成プロセスを簡素化するために機械学習を使用しようとしています。企業は、新しい薬剤化合物を合成するためにAIアルゴリズムをトレーニングしています。最近、1つの企業は、従来の方法では数ヶ月または数年かかる薬剤の作成に、わずか1ヶ月半で成功しました。

Barzilayは、AI駆動の薬剤発見方法が薬剤発見の風景を意味のある方法で変えることができることを楽観的に考えています。Barzilayは、halicinの作業は、機械学習技術がどれほど効果的であるかを実証する実用的な例であると説明しています。

「ヘルスケアで機械学習ツールが本当に賢いことをしているか、それらを製薬業界の汎用ツールとして開発する方法についてはまだ疑問があります。このツールをどれだけ適応できるかを示しています。」