Sztuczna inteligencja rozwijana przez naukowców z Massachusetts Institute of Technology zidentyfikowała nowy, silny antybiotyk. W testach laboratoryjnych związek poradził sobie z wieloma najbardziej problematycznymi bakteriami, w tym z niektórymi szczepami odpornymi na wszystkie znane antybiotyki. Algorytmy odkryły także kilka obiecujących związków, które również wykazują działanie przeciwbakteryjne, ale te jeszcze nie zostały przetestowane.
Badacze z Massachusetts Institute of Technology korzystając z algorytmów uczenia maszynowego zidentyfikowali nowy antybiotyk. Chociaż sztuczna inteligencja była wcześniej wykorzystywana do wspomagania części procesu odkrywania nowych leków, to uczeni z MIT przekonują, że w tym przypadku jest to pierwszy od zera zidentyfikowany antybiotyk, w którym algorytmy nie przyjęły wcześniejszych ludzkich założeń.
Badania kierowane przez biologa Jima Collinsa z Massachusetts Institute of Technology zostały opublikowane w piśmie „Cell”.
Wykorzystać moc sztucznej inteligencji
Sztuczna inteligencja, która stoi za nowym antybiotykiem, może przebadać ponad sto milionów związków chemicznych w ciągu kilku dni. Została stworzona właśnie w celu wykrywania potencjalnych leków. – Chcieliśmy opracować platformę, która pozwoliłaby nam wykorzystać moc sztucznej inteligencji, aby zapoczątkować nową erę odkrywania leków – powiedział Collins. – To nowe podejście zaowocowało identyfikacją tej niesamowitej cząsteczki, która jest prawdopodobnie jednym z najsilniejszych antybiotyków – dodał.
Co więcej, algorytmy zidentyfikowały także kilka innych obiecujących kandydatów na antybiotyki. Naukowcy planują wkrótce przeprowadzić testy z ich udziałem. Twierdzą też, że stworzoną przez nich sztuczną inteligencję można wykorzystać również do projektowania nowych leków, w oparciu o to, czego dowiedziała się o strukturach chemicznych podczas swoich analiz.
– Model uczenia maszynowego może eksplorować in silico duże przestrzenie chemiczne, co może być zbyt drogie w przypadku tradycyjnych metod eksperymentalnych – przyznała Regina Barzilay z MIT's Computer Science and Artificial Intelligence Laboratory (CSAIL) .
Rewolucja w poszukiwaniu leków?
W ciągu ostatnich kilku dekad opracowano niewiele nowych antybiotyków, a większość z tych nowo zatwierdzonych, to w rzeczywistości nieco inne warianty już istniejących leków. Obecne metody badań nad nowymi antybiotykami są często nadmiernie kosztowne, wymagają znacznych nakładów czasowych i zwykle ograniczają się do wąskiego spektrum różnorodności chemicznej. Opracowana przez badaczy z MIT platforma może to zmienić.
– Stoimy w obliczu narastającego kryzysu związanego z lekoopornością bakterii, a sytuację tę generuje zarówno rosnąca liczba patogenów opornych na istniejące antybiotyki, jak i zastój w branży biotechnologicznej i farmaceutycznej w zakresie nowych antybiotyków – wyjaśnił Collins.
Profesor Tommi Jaakkola wraz ze swoimi studentami już wcześniej opracowali modele komputerowe do uczenia maszynowego z zamiarem „wyszkolenia” ich do analizy struktur molekularnych związków chemicznych. Modele miały też szukać określonych przez ich twórców cech, jak zdolność do zabijania bakterii. Collins i Barzilay połączyli siły z zespołem Jaakkola i w ten sposób powstała nowe, obiecująca platforma.
Halicyna – nowy antybiotyk
Pomysł zastosowania modeli komputerowych do badań nad nowymi lekami nie jest nowy, ale do tej pory modele te nie były wystarczająco dokładne. Ale nowe sieci neuronowe mogą automatycznie uczyć się podczas szukania i analizy związków, co znacznie przyspiesza prace. W tym przypadku naukowcy zaprojektowali model w celu wyszukania cech chemicznych wskazujących na zdolność do zabijania bakterii E. coli. Jednak najpierw algorytmy musiały zostać przeszkolone. Sztuczna inteligencja na początek dostała do analizy około 2500 cząsteczek. Wśród nich znalazło się około 1700 pochodzących z zatwierdzonych przez FDA leków.
Po przeszkoleniu uczeni sprawdzili zdolności sztucznej inteligencji na bibliotece około 6000 związków. Algorytmy wybrały jedną cząsteczkę, która miała mieć silne działanie przeciwbakteryjne. Miała też strukturę chemiczną inną niż wszelkie istniejące antybiotyki. Naukowcy korzystając z innej sztucznej inteligencji wykazali również, że cząsteczka ta prawdopodobnie miałaby niską toksyczność dla komórek ludzkich.
Wybrana przez algorytmy cząsteczka została nazwana halicyną, po systemie komputerowym HAL 9000 z książki science fiction Arthura C. Clarke'a „2001: Odyseja kosmiczna”. Co ciekawe, była ona wcześniej badana, jako możliwy lek na cukrzycę. Wybór sztucznej inteligencji uczeni przetestowali na dziesiątkach wyizolowanych od pacjentów szczepów bakteryjnych hodowanych w laboratorium. Okazało się, że związek był w stanie zabić wiele opornych na leczenie bakterii, w tym Clostridium difficile, Acinetobacter baumannii i Mycobacterium tuberculosis (prątek gruźlicy).
Uczeni poszli dalej. Sprawdzili skuteczność związku na myszach zakażonych Acinetobacter baumannii, bakterią, która zainfekowała wielu żołnierzy amerykańskich stacjonujących w Iraku i Afganistanie. Użyty przez nich szczep A. baumannii jest oporny na wszystkie znane antybiotyki, ale zastosowanie maści zawierającej halicynę całkowicie usunęło infekcje w ciągu 24 godzin.
W badaniu naukowcy odkryli też, że bakterie E. coli nie rozwinęły żadnej oporności na halicynę podczas 30-dniowego okresu leczenia. Dla porównania, bakterie E. coli zaczęły rozwijać oporność na cyprofloksacynę w ciągu jednego do trzech dni, a po 30 dniach bakterie były około 200 razy bardziej odporne na antybiotyk niż na początku eksperymentu.
Kolejne obiecujące związki
Po zidentyfikowaniu halicyny uczeni dali algorytmom do analizy ponad 100 milionów cząsteczek wybranych z bazy danych ZINC15, internetowej kolekcji około 1,5 miliarda związków chemicznych. Badanie, które trwało tylko trzy dni, pozwoliło zidentyfikować 23 kandydatów na nowe antybiotyki. W początkowych testach naukowcy stwierdzili, że osiem z nich wykazuje działanie przeciwbakteryjne, a dwa są szczególnie silne.
Naukowcy planują również wykorzystać model sztucznej inteligencji do zaprojektowania nowych antybiotyków i zoptymalizowania już istniejących. Chcą „wyszkolić” model w zakresie dodawania funkcji, które sprawiłyby, że określony antybiotyk byłby ukierunkowany tylko na niektóre bakterie, zapobiegając zabijaniu pożytecznych bakterii w przewodzie pokarmowym pacjenta.
– Ta przełomowa praca oznacza zmianę paradygmatu w odkrywaniu antybiotyków i ogólnie w odkrywaniu leków – podkreślił Roy Kishony z Technion (Israel Institute of Technology), który nie był zaangażowany w badania. – To podejście pozwoli na korzystanie z algorytmów uczenia maszynowego na wszystkich etapach rozwoju antybiotyków, od odkrycia do poprawy skuteczności i sprawdzenia toksyczności – dodał.
Źródło: MIT, fot. Collins Lab/MIT. Na zdjęciu porównanie działania halicyny oraz cyprofloksacyn w kontakcie z bakteriami E. coli