Алгоритмы искусственного интеллекта, используемые для разработки лекарств для борьбы с лекарственно-устойчивыми бактериями

Одной из самых больших проблем, стоящих перед медицинской промышленностью, являются бактерии, устойчивые к лекарствам. В настоящее время, по оценкам, насчитывается около 700,000 XNUMX смертей из-за бактерий, устойчивых к лекарствам, и развивается все больше штаммов бактерий, устойчивых к лекарствам. Ученые и инженеры пытаются разработать новые методы борьбы с устойчивыми к лекарствам бактериями. Одним из методов разработки новых антибиотиков является использование искусственного интеллекта и машинного обучения для выделения новых соединений, способных бороться с новыми штаммами супербактерий.

Как сообщает SingularityHub, Новый антибиотик был разработан при содействии ИИ. Антибиотик был назван галицином в честь AI HAL из фильма 2001: Космическая одиссея. Недавно разработанный антибиотик оказался успешным в уничтожении некоторых жизнеспособных штаммов супербактерий. Новый антибиотик был открыт с помощью алгоритмов машинного обучения. В частности, модель машинного обучения была обучена с использованием большого набора данных, состоящего примерно из 2,500 соединений. Почти половина препаратов, использованных для обучения модели, были уже одобрены FDA, а другая половина обучающего набора состояла из встречающихся в природе соединений. Команда исследователей настроила алгоритмы для определения приоритетов молекул, которые одновременно обладали антибиотическими свойствами, но отличались от существующих антибиотических структур. Затем они изучили результаты, чтобы определить, какие соединения будут безопасны для употребления человеком.

По данным The Guardian, препарат оказался чрезвычайно эффективным в борьбе с лекарственно-устойчивыми бактериями в недавнем исследовании. Он настолько эффективен, потому что разрушает мембрану бактерий, что лишает бактерии способности производить энергию. Чтобы бактерии выработали защиту от воздействия галицина, может потребоваться больше, чем несколько генетических мутаций, что придает галицину стойкость. Исследовательская группа также проверила, как соединение действует на мышах, где оно смогло успешно излечить мышей, инфицированных штаммом бактерий, устойчивым ко всем современным антибиотикам. Учитывая многообещающие результаты исследований, исследовательская группа надеется заключить партнерство с фармацевтической компанией и доказать, что препарат безопасен для людей.

Джеймс Коллинз, профессор биоинженерии и старший автор в Массачусетском технологическом институте, и Регина Барзилай, профессор компьютерных наук в Массачусетском технологическом институте, были старшими авторами статьи. Коллинз, Барзилай и другие исследователи надеются, что алгоритмы, подобные тому, который они использовали для разработки галицина, могут помочь ускорить открытие новых антибиотиков для борьбы с распространением устойчивых к лекарствам штаммов болезни.

Галицин — далеко не единственное лекарственное соединение, обнаруженное с использованием ИИ. Исследовательская группа под руководством Коллина и Барзилая хочет пойти дальше и создать новые соединения, обучающие больше моделей, используя около 100 миллионов молекул, взятых из базы данных ZINC 15, онлайн-библиотеки, содержащей более 1.5 миллиарда лекарственных соединений. Как сообщается, команде уже удалось найти по крайней мере 23 различных кандидата, которые удовлетворяют критериям возможной безопасности для использования человеком и структурно отличаются от существующих антибиотиков.

К сожалению, побочный эффект антибиотиков заключается в том, что, хотя они убивают вредные бактерии, они также убивают необходимые кишечные бактерии, которые нужны человеческому организму. Исследователи надеются, что они смогут использовать методы, аналогичные тем, которые использовались для создания галицина, для создания антибиотиков с меньшим количеством побочных эффектов, лекарств с меньшей вероятностью вреда для микробиома кишечника человека.

Многие другие компании также пытаются использовать машинное обучение для упрощения сложного, длительного и часто дорогостоящего процесса создания лекарств. Другие компании также обучают алгоритмы искусственного интеллекта для синтеза новых лекарственных соединений. Совсем недавно одна компания смогла разработать экспериментальный препарат в всего полтора месяца, гораздо меньше времени, чем месяцы или даже годы, необходимые для создания лекарства традиционным способом.

Барзилай с оптимизмом смотрит на то, что методы открытия лекарств на основе ИИ могут существенно изменить ландшафт открытия лекарств. Барзилай объяснил, что работа над галицином — это практический пример того, насколько эффективными могут быть методы машинного обучения:

«Все еще остается вопрос, действительно ли инструменты машинного обучения делают что-то интеллектуальное в здравоохранении и как мы можем развить их, чтобы они стали рабочими лошадками в фармацевтической промышленности. Это показывает, насколько далеко вы можете адаптировать этот инструмент».