AI обнаружил потенциальные новые антибиотики для борьбы с лекарственной устойчивостью

AI обнаружил потенциальные новые антибиотики для борьбы с лекарственной устойчивостью

В связи с быстрым ростом лекарственной устойчивости многих патогенных микроорганизмов крайне необходимы новые антибиотики. Это может быть только вопросом времени, прежде чем рана или царапина станет опасной для жизни .

Тем не менее, в последнее время на рынке появилось мало новых антибиотиков, и даже это всего лишь незначительные варианты старых антибиотиков.

В то время как перспективы выглядят безрадостными, недавняя революция в искусственном интеллекте (ИИ) дает новую надежду. В исследовании, опубликованном 20 февраля в журнале Cell, ученые из Массачусетского технологического института и Гарварда использовали тип искусственного интеллекта, называемый глубоким обучением, для открытия новых антибиотиков .

Традиционный способ обнаружения антибиотиков — из почв или растительных экстрактов — не выявил новых кандидатов, и существует множество социальных и экономических препятствий для решения этой проблемы.

Некоторые ученые недавно попытались заняться этим путем поиска в ДНК бактерий новых генов, продуцирующих антибиотики . Другие ищут антибиотики в экзотических местах, таких как у нас в носу .

Наркотики, найденные такими нетрадиционными методами, сталкиваются с трудностями на пути к рынку. Препараты, которые эффективны в чашке Петри, могут плохо работать в организме.

Они могут плохо впитываться или могут иметь побочные эффекты. Производство этих препаратов в больших количествах также является серьезной проблемой.

Глубокое обучение

Введите глубокое обучение. Эти алгоритмы используются во многих современных системах распознавания лиц и вождения автомобилей. Они подражают тому, как нейроны в нашем мозге работают, изучая образцы в данных.

Отдельный искусственный нейрон — как мини-датчик — может обнаруживать простые узоры, такие как линии или круги. Используя тысячи этих искусственных нейронов, ИИ глубокого обучения может выполнять чрезвычайно сложные задачи, такие как распознавание кошек в видео или обнаружение опухолей в изображениях биопсии .

Учитывая его силу и успех, не удивительно, что исследователи, охотящиеся за новыми наркотиками, изучают искусственный интеллект. Тем не менее, создание метода искусственного интеллекта для открытия новых лекарств не является тривиальной задачей. Во многом это связано с тем, что в области искусственного интеллекта нет бесплатного обеда.

Теорема об отсутствии свободного обеда гласит, что универсального превосходящего алгоритма не существует. Это означает, что если алгоритм эффективно выполняет одну задачу, скажем, распознавание лиц, то он неожиданно потерпит неудачу в другой задаче, такой как обнаружение наркотиков. Следовательно, исследователи не могут просто использовать готовый ИИ глубокого обучения.

Команда Harvard-MIT использовала новый тип искусственного интеллекта, называемый графическими нейронными сетями, для обнаружения наркотиков. Еще в каменном веке искусственного интеллекта 2010 года модели искусственного интеллекта для обнаружения наркотиков были построены с использованием текстовых описаний химических веществ. Это похоже на описание лица человека с помощью таких слов, как «темные глаза» и «длинный нос».

Эти текстовые дескрипторы полезны, но, очевидно, не рисуют всю картину. Метод искусственного интеллекта, используемый командой Harvard-MIT, описывает химические вещества как сеть атомов, что дает алгоритму более полную картину химического вещества, чем могут дать текстовые описания.

Человеческие знания и искусственный интеллект

Однако одного глубокого обучения недостаточно для открытия новых антибиотиков. Это должно быть связано с глубоким биологическим знанием инфекций.

Команда Harvard-MIT тщательно обучила алгоритм искусственного интеллекта на примерах эффективных лекарств и неэффективных. Кроме того, они использовали препараты, которые, как известно, безопасны для человека, для обучения ИИ.

Затем они использовали алгоритм AI для выявления потенциально безопасных, но мощных антибиотиков из миллионов химических веществ.

В отличие от людей, у ИИ нет предвзятых представлений, особенно о том, как должен выглядеть антибиотик. Используя ОИ старой школы, моя лаборатория недавно обнаружила несколько удивительных кандидатов на лечение туберкулеза , в том числе антипсихотическое лекарство.

В исследовании, проведенном командой Гарвардского университета, они нашли золотую жилу новых кандидатов. Эти лекарства-кандидаты не похожи на существующие антибиотики. Одним из многообещающих кандидатов является Halicin, препарат, исследуемый для лечения диабета .

Удивительно, что халицин был мощным средством не только против кишечной палочки , бактерии, на которой был обучен алгоритм AI, но и против более смертоносных патогенов, включая те, которые вызывают туберкулез и воспаление толстой кишки.

Примечательно, что Галицин был сильным против лекарственно-устойчивого Acinetobacter baumanni . Эта бактерия возглавляет список самых смертельных патогенов, составленный Центрами по контролю и профилактике заболеваний .

К сожалению, широкая потенция Галицина предполагает, что он также может уничтожать безвредные бактерии в нашем организме. У этого могут также быть метаболические побочные эффекты, так как это было первоначально разработано как антидиабетический препарат. Учитывая острую потребность в новых антибиотиках, это могут быть небольшие жертвы, чтобы заплатить, чтобы спасти жизни.

Держать впереди эволюции
Учитывая обещание Галицина, должны ли мы прекратить поиск новых антибиотиков?

Халицин может преодолеть все препятствия и в конечном итоге достичь рынка. Но ему все еще нужно победить неослабевающего врага, который является главной причиной кризиса лекарственной устойчивости: эволюция.

В течение прошлого столетия люди бросали многочисленные патогенные микроорганизмы в патогенные микроорганизмы. Тем не менее, патогены всегда развивали сопротивление. Так что, скорее всего, пройдет немного времени, пока мы не столкнемся с устойчивой к халицину инфекцией.

Тем не менее, благодаря способности глубокого изучения ИИ, мы можем лучше подходить для быстрого реагирования с новым антибиотиком.

Много проблем предстоит решить для потенциальных антибиотиков, обнаруженных с использованием ИИ, чтобы добраться до клиники. Условия, в которых тестируются эти препараты, отличаются от условий внутри человеческого организма.

Моя лаборатория и другие разрабатывают новые инструменты искусственного интеллекта для моделирования внутренней среды организма для оценки эффективности антибиотиков. Модели ИИ теперь также могут прогнозировать токсичность лекарств и побочные эффекты.

Эти технологии искусственного интеллекта вместе могут вскоре дать нам возможность подняться в бесконечной борьбе с лекарственной устойчивостью.