อัลกอริทึม AI ที่ใช้ในการพัฒนา thuốcต้านแบคทีเรียที่ต้านทานยาต้านจุลชีพ

หนึ่งในการท้าทายที่ยิ่งใหญ่ที่สุดของอุตสาหกรรมแพทย์คือแบคทีเรียที่ต้านทานยาต้านจุลชีพ ปัจจุบันมีการประมาณการว่ามีผู้เสียชีวิตประมาณ 700,000 คนเนื่องจากแบคทีเรียที่ต้านทานยาต้านจุลชีพ และยังมีแบคทีเรียที่ต้านทานยาต้านจุลชีพอื่นๆ ที่กำลังพัฒนา นักวิทยาศาสตร์และวิศวกรกำลังพยายามพัฒนา phương phápใหม่ในการต่อสู้กับแบคทีเรียที่ต้านทานยาต้านจุลชีพ วิธีหนึ่งในการพัฒนาแอนติบายออตใหม่คือการใช้ปัญญาประดิษฐ์และการเรียนรู้ของเครื่องจักรเพื่อแยกสารประกอบใหม่ที่สามารถรับมือกับแบคทีเรียที่ต้านทานยาต้านจุลชีพได้

ตามที่ SingularityHub รายงาน แอนติบายออตใหม่ถูกออกแบบด้วยความช่วยเหลือของ AI แอนติบายออตนี้ได้รับการตั้งชื่อว่า halicin ตาม AI HAL จากภาพยนตร์ 2001: A Space Odyssey แอนติบายออตใหม่นี้ได้พิสูจน์แล้วว่าประสบความสำเร็จในการกำจัดแบคทีเรียที่ต้านทานยาต้านจุลชีพบางชนิด แอนติบายออตใหม่นี้ถูกพบผ่านการใช้แอลกอริทึมการเรียนรู้ของเครื่องจักร โดยเฉพาะอย่างยิ่ง โมเดลการเรียนรู้ของเครื่องจักรได้รับการฝึกอบรมโดยใช้ฐานข้อมูลขนาดใหญ่ที่ประกอบด้วยสารประกอบประมาณ 2,500 ชนิด เกือบครึ่งหนึ่งของยาที่ใช้ในการฝึกอบรมโมเดลนี้เป็นยาที่ได้รับการอนุมัติจาก FDA ในขณะที่อีกครึ่งหนึ่งของชุดฝึกอบรมประกอบด้วยสารประกอบที่เกิดขึ้นตามธรรมชาติ ทีมนักวิจัยได้ปรับแอลกอริทึมเพื่อจัดลำดับความสำคัญของโมเลกุลที่มีคุณสมบัติในการต้านแบคทีเรีย แต่ต่างจากโครงสร้างของแอนติบายออตที่มีอยู่แล้ว จากนั้นพวกเขาจึงตรวจสอบผลลัพธ์เพื่อกำหนดว่าสารประกอบใดที่ปลอดภัยสำหรับการบริโภคของมนุษย์

ตามที่ The Guardian รายงาน ยานี้ได้พิสูจน์แล้วว่ามีประสิทธิภาพสูงในการต่อสู้กับแบคทีเรียที่ต้านทานยาต้านจุลชีพใน nghiên cứuล่าสุด มันทำงานได้ดีเพราะมันทำลายเยื่อหุ้มของแบคทีเรีย ซึ่งทำให้แบคทีเรียไม่สามารถผลิตพลังงานได้ สำหรับแบคทีเรียที่จะพัฒนาการป้องกันตัวเองต่อผลกระทบของ halicin อาจต้องใช้การเปลี่ยนแปลงทางพันธุกรรมหลายครั้ง ซึ่งทำให้ halicin มีความคงอยู่ ทีมนักวิจัยยังได้ทดสอบว่าสารประกอบนี้ทำงานได้ดีในหนู โดยที่มันสามารถกำจัดแบคทีเรียที่ต้านทานยาต้านจุลชีพที่มีอยู่แล้วทั้งหมดได้ ด้วยผลลัพธ์ที่น่าหวังเหล่านี้ ทีมนักวิจัยหวังที่จะเข้าร่วมเป็นพันธมิตรกับองค์กรเภสัชกรรมและพิสูจน์ว่ายานี้ปลอดภัยสำหรับการใช้ในมนุษย์

James Collins ศาสตราจารย์ด้านวิศวกรรมชีวภาพและผู้เขียนอาวุโสที่ MIT และ Regina Barzilay ศาสตราจารย์ด้านวิทยาศาสตร์คอมพิวเตอร์ที่ MIT เป็นผู้เขียนอาวุโสของบทความนี้ Collins, Barzilay และนักวิจัยคนอื่นๆ หวังว่าแอลกอริทึมเช่นที่พวกเขาใช้ในการออกแบบ halicin จะช่วยให้สามารถค้นพบแอนติบายออตใหม่ๆ ที่สามารถรับมือกับแบคทีเรียที่ต้านทานยาต้านจุลชีพได้

halicin ไม่ใช่สารประกอบเดียวที่ถูกพบด้วยความช่วยเหลือของ AI ทีมนักวิจัยที่นำโดย Collin และ Barzilay ต้องการที่จะไปต่อและสร้างสารประกอบใหม่โดยการฝึกอบรมโมเดลเพิ่มเติมโดยใช้โมเลกุลประมาณ 100 ล้านโมเลกุลจากฐานข้อมูล ZINC 15 ซึ่งเป็นห้องสมุดออนไลน์ที่มีมากกว่า 1.5 พันล้านสารประกอบยาที่มีอยู่ ทีมนักวิจัยได้พบแล้วว่ามีสารประกอบที่เป็นไปได้至少 23 ชนิดที่ตรงตามเกณฑ์ของการเป็นไปได้ที่จะปลอดภัยสำหรับการใช้ในมนุษย์และมีโครงสร้างที่ต่างจากแอนติบายออตที่มีอยู่แล้ว

ผลข้างเคียงที่ไม่ดีของแอนติบายออตคือว่าในขณะที่มันสามารถฆ่าแบคทีเรียที่เป็นอันตรายได้ มันก็สามารถฆ่าแบคทีเรียที่จำเป็นสำหรับร่างกายมนุษย์ได้ด้วย ทีมนักวิจัยหวังว่าพวกเขาจะสามารถใช้เทคนิคที่คล้ายกับที่ใช้ในการสร้าง halicin เพื่อสร้างแอนติบายออตที่มีผลข้างเคียงน้อยกว่า

หลายบริษัทอื่นๆ ก็พยายามใช้การเรียนรู้ของเครื่องจักรเพื่อทำให้กระบวนการสร้างยาง่ายขึ้น บริษัทอื่นๆ ก็ได้ฝึกอบรมแอลกอริทึม AI เพื่อสร้างสารประกอบยาที่ใหม่ เมื่อเร็วๆ นี้ บริษัทหนึ่งสามารถพัฒนาผลิตภัณฑ์ยาที่เป็นไปได้ภายในเวลาเพียงหนึ่งเดือนครึ่ง ซึ่งเป็นเวลาที่สั้นกว่ามากเมื่อเทียบกับการสร้างยาทางดั้งเดิม

Barzilay มีความหวังว่าวิธีการค้นพบยาที่ขับเคลื่อนด้วย AI จะสามารถเปลี่ยนแปลงภูมิทัศน์ของการค้นพบยาที่มีความหมายได้ Barzilay อธิบายว่างานเกี่ยวกับ halicin เป็นตัวอย่างที่เป็นไปได้ของวิธีการที่มีประสิทธิภาพของเทคนิคการเรียนรู้ของเครื่องจักร:

“ยังมีคำถามว่าเครื่องมือการเรียนรู้ของเครื่องจักร真的ทำอะไรที่ฉลาดในด้านการดูแลสุขภาพ และวิธีการพัฒนามันให้เป็นเครื่องมือที่มีประสิทธิภาพในอุตสาหกรรมเภสัชกรรม สิ่งนี้แสดงให้เห็นว่าสามารถปรับเปลี่ยนเครื่องมือนี้ได้ไกลแค่ไหน”