کشف اولین آنتی بیوتیک با هوش مصنوعی! کشف اولین آنتی بیوتیک جدید بعد از 60 سال با استفاده از هوش مصنوعی
به گزارش رسانه مدیاتی، این داروی جدید کشف شده، دسته جدیدی از آنتی بیوتیکهاست که برای از بین بردن باکتریهای استافیلوکوکوس اورئوس (MRSA) مقاوم به دارو، کشف شده است. ثابت شده است که استفاده از هوش مصنوعی (AI) در پزشکی میتواند قاعده بازی را تغییر دهد؛ این فناوری است که اکنون به دانشمندان کمک میکند تا اولین آنتی بیوتیکهای جدید را در 60 سال گذشته کشف کنند. کشف ترکیب جدیدی که میتواند یک باکتری مقاوم به دارو را که سالانه هزاران نفر را در سراسر جهان میکشد، از بین ببرد، میتواند نقطه عطفی در مبارزه با مقاومت آنتی بیوتیکی باشد.
جیمز کالینز، استاد مهندسی پزشکی در موسسه فناوری ماساچوست (MIT) و یکی از اعضای تیم تحقیق میگوید: «ایده کار این بود که توانایی مدلهای [هوش مصنوعی] برای پیشبینی اینکه برخی مولکولها آنتیبیوتیکهای خوبی هستند، ارزیابی شود. استفاده از دانش هوش مصنوعی باعث میشود که هم در زمان و هم در منابع صرفهجویی شود و تجزیه و تحلیل باکتریها و ساختار شیمیایی آنها را نیز به روشی که تا کنون ممکن نبوده، عملی خواهد کرد.» در ادامه این مطلب بیشتر با این باکتری و تاثیر داروی کشف شده روی آن بخوانید.
مطالعه با هدف “باز کردن جعبه سیاه”
تیم سازنده این پروژه از یک مدل یادگیری عمیق یا deep learning برای پیشبینی فعالیت و سمیت ترکیب جدید استفاده کرد. یادگیری عمیق شامل استفاده از شبکههای عصبی مصنوعی برای یادگیری و نمایش خودکار ویژگیهاست و به هوش مصنوعی اجازه میدهد تا ایدههای جدید را از مجموعه عظیمی از دادههای برنامهنویسی نشده بیاموزد و کشف کند.
به طور فزایندهای در کشف دارو، برای تسریع در شناسایی نامزدهای دارویی بالقوه، پیشبینی خواص آنها و بهینهسازی فرآیند توسعه دارو صورت میگیرد. در این مورد، محققان بر روی استافیلوکوکوس اورئوس مقاوم به متی سیلین (MRSA) تمرکز کردند. عفونت با MRSA میتواند از عفونتهای پوستی خفیف تا شرایط شدیدتر و بالقوه تهدیدکننده زندگی، مانند ذاتالریه و عفونتهای جریان خون متغیر باشد.
براساس گزارش مرکز پیشگیری و کنترل بیماریهای اروپا (ECDC)، تقریباً 150000 عفونت MRSA هر ساله در اتحادیه اروپا رخ میدهد، در حالی که تقریباً 35000 نفر سالانه در این بلوک به دلیل عفونتهای مقاوم به ضد میکروبی جان خود را از دست میدهند.
تیم محققان MIT با استفاده از مجموعه دادههای گسترده، یک مدل یادگیری عمیق گسترده را آموزش دادند. برای ایجاد دادههای آموزشی، تقریباً 39000 ترکیب برای فعالیت آنتی بیوتیکی آنها در برابر MRSA مورد ارزیابی قرار گرفت. متعاقبا، هم دادههای حاصل و هم جزئیات مربوط به ساختارهای شیمیایی ترکیبات، وارد مدل شدند. فلیکس وونگ، گفت: “کاری که ما در این مطالعه انجام دادیم این بود که جعبه سیاه را باز کنیم. این مدلها شامل تعداد بسیار زیادی از محاسبات هستند که اتصالات عصبی را تقلید میکنند و هیچکس واقعا نمیداند در این جعبه چه میگذرد.”
کشف یک ترکیب جدید
برای اصلاح انتخاب داروهای بالقوه، محققان از سه مدل یادگیری عمیق اضافی استفاده کردند. این مدلها برای ارزیابی سمیت ترکیبات بر روی سه نوع متمایز از سلولهای انسانی آموزش داده شدند.
با ادغام این پیشبینیهای سمیت با فعالیت ضد میکروبی که قبلاً تعیین شده بود، محققان ترکیباتی را شناسایی کردند که قادر به مبارزه مؤثر با میکروبها با حداقل آسیب به بدن انسان هستند. با استفاده از این مجموعه از مدلها، تقریباً 12 میلیون ترکیب تجاری موجود غربال شدند. این مدلها همچنین ترکیباتی را از پنج کلاس مختلف شناسایی کردند که بر اساس زیرساختهای شیمیایی خاص در مولکولها طبقهبندی شدهاند که فعالیت پیشبینی شده علیه MRSA را نشان میدهند.
متعاقباً، محققان حدود 280 مورد از این ترکیبات را به دست آوردند و آزمایشاتی را علیه MRSA در یک محیط آزمایشگاهی انجام دادند. این رویکرد، آنها را به شناسایی دو نامزد امیدبخش آنتی بیوتیک از یک کلاس هدایت کرد.
اگر بخواهیم درباره اثربخشی این داروها بگوییم، در آزمایشهایی که شامل دو مدل موش بود – یکی برای عفونت پوستی MRSA و دیگری برای عفونت سیستمیک MRSA – هر یک از این ترکیبات جمعیت MRSA را 10 برابر کاهش داد.
