AI-algoritmes worden gebruikt om medicijnen te ontwikkelen die drugresistente bacteriën bestrijden

Een van de grootste uitdagingen waar de medische industrie mee te maken krijgt, is drugresistente bacteriën. Momenteel zijn er naar schatting 700.000 doden door drugresistente bacteriën en ontwikkelen zich steeds meer stammen van drugresistente bacteriën. Wetenschappers en ingenieurs proberen nieuwe methoden te ontwikkelen om drugresistente bacteriën te bestrijden. Een van de methoden om nieuwe antibiotica te ontwikkelen is het gebruik van kunstmatige intelligentie en machine learning om nieuwe verbindingen te isoleren die mogelijk effectief zijn tegen nieuwe stammen van superbacteriën.

Volgens SingularityHub is een nieuw antibioticum ontwikkeld met behulp van AI. Het antibioticum is genoemd naar de AI HAL uit 2001: A Space Odyssey. Het nieuw ontwikkelde antibioticum bleek succesvol in het elimineren van enkele van de meest resistente superbacteriën. Het nieuwe antibioticum is ontdekt door het gebruik van machine learning-algoritmen. Specifiek is het machine learning-model getraind met een grote dataset van ongeveer 2.500 verbindingen. Bijna de helft van de medicijnen die zijn gebruikt om het model te trainen, waren medicijnen die al waren goedgekeurd door de FDA, terwijl de andere helft van de trainingsset bestond uit natuurlijk voorkomende verbindingen. Het team van onderzoekers paste de algoritmen aan om moleculen te prioriteren die tegelijkertijd antibiotische eigenschappen hadden, maar verschillend waren van bestaande antibiotische structuren. Vervolgens onderzochten ze de resultaten om te bepalen welke verbindingen veilig zouden zijn voor menselijke consumptie.

Volgens The Guardian bleek het medicijn extreem effectief in het bestrijden van drugresistente bacteriën in een recente studie. Het is zo effectief omdat het de membraan van de bacteriën afbreekt, waardoor de bacteriën niet meer in staat zijn om energie te produceren. Voor bacteriën om zich te verdedigen tegen de effecten van halicin, zouden meer dan een paar genetische mutaties nodig zijn, waardoor halicin een langdurig effect heeft. Het onderzoeksteam testte ook hoe het verbinding werkte in muizen, waar het succesvol muizen kon genezen die waren geïnfecteerd met een stam van bacteriën die resistent waren tegen alle huidige antibiotica. Met de resultaten van de studies zo veelbelovend, hoopt het onderzoeksteam een partnerschap aan te gaan met een farmaceutisch bedrijf en te bewijzen dat het medicijn veilig is voor gebruik door mensen.

James Collins, professor in bio-engineering en senior auteur aan MIT, en Regina Barzilay, professor in computerwetenschappen aan MIT, waren beiden senior auteurs van het artikel. Collins, Barzilay en andere onderzoekers hopen dat algoritmen zoals die gebruikt werden om halicin te ontwikkelen, kunnen helpen om de ontdekking van nieuwe antibiotica te versnellen om de verspreiding van drugresistente stammen van de ziekte te bestrijden.

Halicin is verre van het enige medicijnverbinding dat is ontdekt met behulp van AI. Het onderzoeksteam onder leiding van Collin en Barzilay wil verder gaan en nieuwe verbindingen creëren door meer modellen te trainen met ongeveer 100 miljoen moleculen uit de ZINC 15-database, een online bibliotheek van meer dan 1,5 miljard medicijnverbindingen. Volgens rapporten heeft het team al minstens 23 verschillende kandidaten gevonden die voldoen aan de criteria van mogelijk veilig zijn voor menselijke consumptie en structureel verschillend zijn van huidige antibiotica.

Een ongelukkig neveneffect van antibiotica is dat ze, terwijl ze schadelijke bacteriën doden, ook de noodzakelijke darmbacteriën doden die het menselijk lichaam nodig heeft. Het onderzoeksteam hoopt dat ze technieken kunnen gebruiken die vergelijkbaar zijn met die gebruikt om halicin te creëren, om antibiotica te creëren met minder neveneffecten, medicijnen die minder waarschijnlijk zijn om de menselijke darmmicrobiome te schaden.

Veel andere bedrijven proberen ook machine learning te gebruiken om het complexe, lange en vaak dure proces van medicijnontwikkeling te vereenvoudigen. Andere bedrijven hebben ook AI-algoritmen getraind om nieuwe medicijnverbindingen te synthetiseren. Onlangs slaagde een bedrijf erin om een proof-of-concept-medicijn te ontwikkelen in slechts een maand en een half, een veel kortere tijd dan de maanden of zelfs jaren die het kan duren om een medicijn te ontwikkelen op de traditionele manier.

Barzilay is optimistisch over de mogelijkheden van AI-gedreven medicijnontdekking om de landschap van medicijnontdekking op een betekenisvolle manier te veranderen. Barzilay legde uit dat het werk aan halicin een praktisch voorbeeld is van hoe effectief machine learning-technieken kunnen zijn:

“Er is nog steeds een vraag of machine learning-tools echt iets intelligent doen in de gezondheidszorg, en hoe we ze kunnen ontwikkelen om werkpaarden te worden in de farmaceutische industrie. Dit toont aan hoe ver je dit instrument kunt aanpassen.”