Алгоритмы ИИ, используемые для разработки препаратов, борющихся с бактерией, резистентной к лекарствам

Одной из самых больших проблем, с которыми сталкивается медицинская промышленность, является бактерия, резистентная к лекарствам. В настоящее время, по оценкам, существует около 700 000 смертей, вызванных бактерией, резистентной к лекарствам, и все больше штаммов бактерий, резистентных к лекарствам, продолжают развиваться. Ученые и инженеры пытаются разработать новые методы борьбы с бактерией, резистентной к лекарствам. Одним из методов разработки новых антибиотиков является использование искусственного интеллекта и машинного обучения для изоляции новых соединений, которые могли бы справиться с новыми штаммами супербактерий.

Как сообщает SingularityHub, был разработан новый антибиотик с помощью ИИ. Антибиотик был назван галицин, в честь ИИ HAL из фильма “2001 год: Космическая одиссея”. Разработанный антибиотик оказался успешным в устранении некоторых из самых сильных штаммов супербактерий. Новый антибиотик был обнаружен с помощью алгоритмов машинного обучения. В частности, модель машинного обучения была обучена на большой базе данных, состоящей примерно из 2 500 соединений. Почти половина препаратов, использованных для обучения модели, были препаратами, уже одобренными FDA, а другая половина обучающей выборки состояла из природных соединений. Команда исследователей настроила алгоритмы для определения молекул, которые одновременно обладают антибактериальными свойствами, но отличаются от существующих антибактериальных структур. Затем они проанализировали результаты, чтобы определить, какие соединения будут безопасны для потребления человеком.

По сообщению The Guardian, препарат оказался чрезвычайно эффективным в борьбе с бактерией, резистентной к лекарствам, в недавнем исследовании. Он так эффективен, потому что разрушает мембрану бактерий, что делает невозможным для бактерий производить энергию. Для того чтобы бактерии развили защиту от действия галицина, потребуется более нескольких генетических мутаций, что дает галицину прочность. Команда исследователей также проверила, как соединение работает у мышей, где оно смогло успешно очистить мышей, зараженных штаммом бактерий, резистентным ко всем существующим антибиотикам. С учетом обещающих результатов исследования команда исследователей надеется заключить партнерство с фармацевтической компанией и доказать безопасность препарата для использования человеком.

Джеймс Коллинз, профессор биоинженерии и старший автор в MIT, и Реджина Барзилай, профессор компьютерных наук в MIT, были старшими авторами статьи. Коллинз, Барзилай и другие исследователи надеются, что алгоритмы, подобные тем, которые они использовали для разработки галицина, смогут помочь ускорить открытие новых антибиотиков для борьбы с распространением штаммов бактерий, резистентных к лекарствам.

Галицин далеко не единственное соединение, открытое с помощью ИИ. Команда исследователей под руководством Коллинза и Барзилай хочет пойти дальше и создать новые соединения, обучая больше моделей с использованием около 100 миллионов молекул из базы данных ZINC 15, онлайн-библиотеки, содержащей более 1,5 миллиарда соединений. Согласно сообщениям, команда уже смогла найти не менее 23 различных кандидатов, удовлетворяющих критериям безопасности для использования человеком и имеющих структуру, отличную от существующих антибиотиков.

К сожалению, одним из побочных эффектов антибиотиков является то, что, хотя они убивают вредные бактерии, они также убивают необходимые бактерии кишечника, которые нужны человеческому организму. Исследователи надеются, что они смогут использовать методы, подобные тем, которые были использованы для создания галицина, для разработки антибиотиков с меньшим количеством побочных эффектов, препаратов, которые менее вероятно нанесут вред человеческой микробиоте кишечника.

Многие другие компании также пытаются использовать машинное обучение для упрощения сложного, длительного и часто дорогого процесса создания препаратов. Другие компании также обучали алгоритмы ИИ для синтеза новых соединений. Только недавно одна компания смогла разработать концепцию препарата всего за месяц и половину, что намного короче, чем месяцы или даже годы, которые могут потребоваться для создания препарата традиционным способом.

Барзилай оптимистична, что методы открытия препаратов с помощью ИИ смогут изменить ландшафт открытия препаратов значимым образом. Барзилай объяснила, что работа над галицином является практическим примером того, насколько эффективными могут быть методы машинного обучения:

“Еще остается вопрос о том, действительно ли инструменты машинного обучения делают что-то умное в здравоохранении, и как мы можем разработать их для того, чтобы они стали рабочими лошадками в фармацевтической промышленности. Это показывает, насколько далеко можно адаптировать этот инструмент.”