Menu Close

Nowe potężne antybiotyki odkryte przez sztuczną inteligencję AI

Pionierskie podejście do uczenia maszynowego pozwoliło zidentyfikować nowe, potężne antybiotyki z puli ponad 100 milionów cząsteczek – w tym takie, które działają przeciwko szerokiej gamie bakterii, m.in. gruźlicy i szczepów uważanych za nieuleczalne.

Naukowcy twierdzą, że antybiotyk, zwany halicyną, jest pierwszym odkryciem z pomocą sztucznej inteligencji (AI). Chociaż AI była wcześniej wykorzystywana do wspomagania części procesu odkrywania antybiotyków, to po raz pierwszy zidentyfikowano „od zera” całkowicie nowe rodzaje antybiotyków, nie przyjmując wcześniejszych ludzkich założeń. Praca kierowana przez biologa Jima Collinsa z Massachusetts Institute of Technology w Cambridge została opublikowana w Cell.

Badanie jest niezwykłe, mówi Jacob Durrant, biolog komputerowy z University of Pittsburgh, Pensylwania. Zespół nie tylko zidentyfikował cząsteczki, ale także sprawdził je w testach na zwierzętach. Co więcej, podejście to można również zastosować do innych rodzajów leków, takich jak stosowane w leczeniu raka lub chorób neurodegeneracyjnych, mówi Durrant.

Odporność bakteryjna na antybiotyki dramatycznie rośnie na całym świecie, a naukowcy przewidują, że jeśli nie zostaną opracowane pilnie nowe leki, oporne infekcje mogą zabić 10 milionów ludzi rocznie do 2050 r. W ciągu ostatnich kilku dekad tempo odkryć i zatwierdzania przez organy regulacyjne nowych antybiotyków jednak spowolniło. „Ludzie w kółko znajdują te same cząsteczki” – mówi Collins. „Potrzebujemy nowej chemii z nowymi mechanizmami działania.”

Zapomnijmy o założeniach

Collins i jego zespół opracowali sieć neuronową – algorytm AI inspirowany architekturą mózgu – który uczy się właściwości molekuł atom po atomie.

Naukowcy wyszkolili jego sieć neuronową, aby dostrzegać cząsteczki hamujące wzrost bakterii Escherichia coli, wykorzystując zbiór 2335 cząsteczek, dla których znana była aktywność przeciwbakteryjna. Obejmuje to bibliotekę około 300 zatwierdzonych antybiotyków, a także 800 naturalnych produktów ze źródeł roślinnych, zwierzęcych i mikrobiologicznych.

Algorytm uczy się przewidywać funkcje molekularne bez żadnych założeń dotyczących działania leków i bez znakowania grup chemicznych, mówi Regina Barzilay, badaczka AI w MIT i współautorka badania. „W rezultacie model może nauczyć się nowych wzorców nieznanych ludzkim ekspertom.”

Po przeszkoleniu modelu naukowcy wykorzystali go do przeszukania pod kątem chorób u ludzi biblioteki o nazwie Drug Repurposing Hub, która zawiera około 6000 badanych cząsteczek oraz wytypowania które będą skuteczne przeciwko E. coli, jak również wskazania tylko cząsteczek, które wyglądają inaczej niż konwencjonalne antybiotyki.

Z uzyskanych trafień naukowcy wybrali około 100 kandydatów do testów fizycznych. Jeden z nich – cząsteczka badana pod katem możliwości leczenia cukrzycy – okazał się silnym antybiotykiem, który nazwali halicyną po HAL – inteligentnym komputerze z filmu “Odyseja kosmiczna 2001”. W testach na myszach cząsteczka ta była aktywna wobec szerokiego spektrum patogenów, w tym szczepu Clostridioides difficile i jednego z Acinetobacter baumannii, który jest „odporny na szeroką gamę antybiotyków” i wobec którego pilnie potrzebne są nowe antybiotyki.

Blok protonowy

Antybiotyki działają poprzez szereg mechanizmów, takich jak blokowanie enzymów biorących udział w biosyntezie ściany komórkowej, naprawie DNA lub syntezie białka. Ale mechanizm halicynowy jest niekonwencjonalny: zakłóca przepływ protonów przez błonę komórkową. W początkowych testach na zwierzętach okazało się, że ma niską toksyczność i radzi sobie z opornością na antybiotyki. Jak twierdzi Collins, w eksperymentach oporność na inne związki antybiotyczne zwykle pojawia się w ciągu jednego lub dwóch dni. „Ale nawet po 30 dniach testów nie zaobserwowaliśmy żadnej oporności na halicynę”.

Zespół zbadał następnie ponad 107 milionów struktur molekularnych w bazie danych o nazwie ZINC15. Z krótkiej listy 23 badań fizycznych zidentyfikowano 8 z działaniem przeciwbakteryjnym. Dwa z nich miały silną aktywność przeciwko szerokiemu zakresowi patogenów i mogły pokonać nawet oporne na antybiotyki szczepy E. coli.

Badanie jest „doskonałym przykładem rosnącego znaczenia metod obliczeniowych do odkrywania i przewidywania właściwości potencjalnych leków”, mówi Bob Murphy, biolog komputerowy z Carnegie Mellon University w Pittsburghu. Zauważa, że ​​wcześniej opracowano metody AI w celu wydobywania ogromnych baz danych genów i metabolitów do identyfikacji typów cząsteczek, które mogą obejmować nowe antybiotyki.

Ale Collins i jego zespół twierdzą, że ich podejście jest inne – zamiast szukać konkretnych struktur lub klas molekularnych, uczą swoją sieć, by szukać cząsteczek o określonej aktywności. Zespół ma teraz nadzieję na współpracę z zewnętrzną grupą lub firmą, aby wprowadzić halicynę do badań klinicznych. Chce także poszerzyć podejście, aby znaleźć więcej nowych antybiotyków i zaprojektować cząsteczki od zera. Barzilay twierdzi, że ich najnowsze prace są dowodem koncepcji. „To badanie łączy to wszystko i pokazuje, co potrafi.”

wg Nature

Leave a Reply

Your email address will not be published.