Алгоритми штучного інтелекту, які використовуються для розробки ліків проти бактерій, стійких до ліків

Одним з найбільших викликів, з якими стикається медична галузь, є бактерії, стійкі до ліків. Зараз існує близько 700 тисяч смертей через бактерії, стійкі до ліків, і все більше штамів бактерій, стійких до ліків, розвивається. Учені та інженери намагаються розробити нові методи боротьби з бактеріями, стійкими до ліків. Одним з методів розробки нових антибіотиків є використання штучного інтелекту та машинного навчання для виділення нових сполук, які могли б впоратися з новими штамами супербактерій.

Як повідомляє SingularityHub, новий антибіотик був розроблений за допомогою штучного інтелекту. Антибіотик отримав назву галіцин, на честь штучного інтелекту HAL з фільму “2001: Космічна одіссея”. Розроблений антибіотик виявився успішним у боротьбі з деякими вірулентними штамами супербактерій. Новий антибіотик був відкритий завдяки використанню алгоритмів машинного навчання. Зокрема, модель машинного навчання була навчена на великому наборі даних, який складався з приблизно 2 500 сполук. Близько половини ліків, які використовувалися для навчання моделі, були ліками, вже затвердженими FDA, а інша половина навчального набору складалася з природних сполук. Команда дослідників налаштувала алгоритми для пріоритету молекул, які одночасно володіли антибіотичними властивостями, але мали різну структуру, ніж існуючі антибіотики. Потім вони вивчили результати, щоб визначити, які сполуки будуть безпечними для людини.

За даними The Guardian, препарат виявився надзвичайно ефективним у боротьбі з бактеріями, стійкими до ліків, у недавньому дослідженні. Він так ефективний, тому що руйнує мембрану бактерій, що позбавляє бактерії можливості виробляти енергію. Для того, щоб бактерії могли розвинути захист проти дії галіцину, їм потрібно буде пройти декілька генетичних мутацій, що дає галіцину тривалість дії. Команда дослідників також випробувала, як сполука впливає на мишей, де вона успішно вибила мишей, інфікованих штамом бактерій, стійким до всіх сучасних антибіотиків. З огляду на обнадійливі результати досліджень, команда дослідників сподівається розпочати партнерство з фармацевтичною компанією та довести безпечність препарату для людини.

Джеймс Коллінз, професор біоінженерії та старший автор у MIT, та Реджина Барзілай, професор комп’ютерних наук у MIT, були обидва старшими авторами статті. Коллінз, Барзілай та інші дослідники сподіваються, що алгоритми, подібні до тих, які вони використовували для розробки галіцину, можуть допомогти прискорити відкриття нових антибіотиків для боротьби з поширенням штамів бактерій, стійких до ліків.

Галіцин далеко не єдиний препарат, відкритий за допомогою штучного інтелекту. Команда дослідників на чолі з Коллінзом та Барзілай хоче йти далі та створювати нові сполуки, тренуючи більше моделей за допомогою близько 100 мільйонів молекул з бази даних ZINC 15, онлайн-бібліотеки, яка містить понад 1,5 мільярда сполук ліків. Згідно повідомлень, команда вже вдалася знайти щонайменше 23 різні кандидати, які задовольняють критеріям безпеки для людини та мають структуру, відмінну від існуючих антибіотиків.

Незважаючи на те, що антибіотики вбивають шкідливі бактерії, вони також вбивають необхідні бактерії в кишечнику, які потрібні людині. Дослідники сподіваються, що вони зможуть використовувати подібні методи, як ті, які були використані для створення галіцину, для розробки антибіотиків з меншим числом побічних ефектів, ліків, які менше шкодять мікробіомі людини.

Багато інших компаній також намагаються використовувати машинне навчання для спрощення складного, тривалого та часто дорогого процесу створення ліків. Інші компанії також тренували алгоритми штучного інтелекту для синтезу нових сполук ліків. Нещодавно одна компанія змогла розробити концепцію препарату всього за місяць і пів, що значно менше часу, ніж той, який зазвичай витрачається на розробку ліків традиційним способом.

Барзілай оптимістично налаштована щодо того, що методи відкриття ліків на основі штучного інтелекту можуть суттєво змінити ландшафт відкриття ліків. Барзілай пояснила, що робота над галіцином є практичним прикладом того, наскільки ефективними можуть бути методи машинного навчання:

“Все ще залишається питання про те, чи дійсно інструменти машинного навчання роблять щось розумне в сфері охорони здоров’я, і як ми можемо розвивати їх, щоб вони стали тягловими засобами в фармацевтичній промисловості. Це показує, наскільки далеко можна адаптувати цей інструмент.”