Sztuczna inteligencja pomogła wynaleźć nowy antybiotyk. To pierwszy taki przypadek

Nowy antybiotyk naukowcy nazwali halicyną, nawiązując do słynnego superinteligentnego komputera HAL 9000 z filmu "2001: Odyseja kosmiczna" Kubricka. Halicyna okazała się jednym z najsilniejszych znanych nam antybiotyków. W testach klinicznych unicestwiła 35 typów bakterii, w tym także wiele tych śmiercionośnych i antybiotykoopornych. Ponadto halicyna sama nie powodowała lekooporności patogenów.

Dzięki sztucznej inteligencji (AI) badania nad nowymi antybiotykami wkroczyły w nową erę. W Massachusetts Institute of Technology (MIT) naukowcy wynalęźli nowy silny antybiotyk, który w badaniach klinicznych zdołał unicestwić aż 35 typów potencjalnie śmiertelnych bakterii, w tym niektóre wyjątkowo lekooporne szczepy.

- Dążyliśmy do tego, aby zbudować platformę, która pozwoliłaby wykorzystać w pełni siłę sztucznej inteligencji i zapoczątkować nową erę w odkrywaniu leków - powiedział James Collins, profesor w Instytucie Inżynierii Medycznej i Nauki MIT (IMES). Model, opracowany przez inżynierów MIT, jest w stanie przeanalizować ponad 100 milionów związków chemicznych w ciągu kilku dni. Celem naukowców było znalezienie cząsteczek, które zabijają bakterie przy użyciu innych mechanizmów niż te znane i wykorzystywane w istniejących już lekach.

Od lat nie stworzono żadnych przełomowych antybiotyków

Nie trzeba tłumaczyć jak kosztowne i w gruncie rzeczy niemożliwe byłoby przebadanie takiej ilości substancji przy pomocy konwencjonalnych metod laboratoryjnych. W tym przypadku naukowcy nie tylko znaleźli nowy antybiotyk, wykorzystując AI, ale wytypowali także kilka innych związków, które uznali za obiecujące, a ponadto zaproponowali wykorzystywanie ich platformy do projektowania nowych leków.

Wykorzystanie sztucznej inteligencji do stworzenia nowych antybiotyków może okazać się przełomem w walce z antybiotykoopornością bakterii oraz przełamać pewien impas w odkrywaniu nowych antybiotyków. Przez ostatnie kilkadziesiąt lat właściwie niewiele działo się w tej dziedzinie, a wprowadzane do użytku nowe antybiotyki były w gruncie rzeczy kolejnymi wersjami tych samych lub podobnych związków chemicznych i opierały się na podobnych mechanizmach działania.

Sztuczna inteligencja była specjalnie "trenowana" do analizy struktur molekularnych związków chemicznych i do znajdowania powiązań z określonymi cechami, takimi jak zdolność do zabijania bakterii, a tym przypadku bakterii E. coli. Najpierw naukowcy szkolili swój model dając mu do badania około 2500 cząsteczek, w tym 1700 leków zatwierdzonych przez FDA i 800 naturalnych, różnorodnych produktów. Następnie sztuczna inteligencja dostała do przeanalizowania ponad 6000 substancji z bazy Broad Institute’s Drug Repurposing Hub.

W końcu algorytm wybrał z tej bazy jedną cząsteczkę, która wykazywała silne działanie przeciwbakteryjne i miała strukturę chemiczną inną niż wszystkie istniejące antybiotyki. Wytypowana przez AI cząsteczka była kiedyś testowana jako lek na cukrzycę. Teraz okazało się, że zabija nawet najbardziej oporne bakterie, w tym Clostridium difficile, Acinetobacter baumannii i Mycobacterium tuberculosis, z wyjątkiem bakterii Pseudomonas aeruginosa (pałeczka ropy błękitnej).

Zobacz wideo Czy czosnek jest naturalnym antybiotykiem?

Halicyna wyleczyła chore myszy

Nowo odkryty antybiotyk naukowcy przetestowali na zwierzętach, które zainfekowano bakterią Acinetobacter baumannii, czyli bakterią, która atakowała żołnierzy amerykańskich stacjonujących w Iraku i Afganistanie. A. baumanii jest bakterią całkowicie oporną na działanie antybiotyków, ale halicyna dała sobie z nią radę. Po posmarowaniu maścią z dodatkiem halicyny infekcja zniknęła w ciągu 24 godzin.

100 milionów cząsteczek chemicznych przebadanych w trzy dni

Naukowcy wykorzystali ponadto sztuczną inteligencję do przeanalizowania jeszcze 100 milionów cząsteczek z bazy danych ZINC15, internetowej kolekcji około 1,5 miliarda związków chemicznych. W rezultacie wytypowali 23 związki, których właściwości wyglądają na bardzo obiecujące. Naukowcy planują teraz wykorzystywać swój model do projektowania nowych antybiotyków oraz do zoptymalizowania składu istniejących już leków.

Opis badania został opublikowany w czasopiśmie Cell.

Źródło: MIT

Więcej o: