Τεχνητή Νοημοσύνη Σχεδιάζει Αντιβιοτικά για Γονόρροια και Υπερβακτήρια MRSA
Τα φάρμακα σχεδιάστηκαν ατομικά από την τεχνητή νοημοσύνη και απέτυχαν τα υπερβακτήρια σε εργαστηριακές και πειραματικές δοκιμές σε ζώα.
Τα δύο συστατικά χρειάζονται ακόμη χρόνια βελτίωσης και κλινικών δοκιμών πριν μπορέσουν να συνταγογραφηθούν.
Ωστόσο, η ομάδα του Massachusetts Institute of Technology (MIT) δηλώνει ότι η τεχνητή νοημοσύνη θα μπορούσε να ξεκινήσει μια “δεύτερη χρυσή εποχή” στην ανακάλυψη αντιβιοτικών.
Τα αντιβιοτικά σκοτώνουν τα βακτήρια, αλλά οι λοιμώξεις που αντιστέκονται στη θεραπεία προκαλούν πλέον περισσότερους από ένα εκατομμύριο θανάτους ετησίως.
Η υπερβολική χρήση αντιβιοτικών έχει βοηθήσει τα βακτήρια να εξελιχθούν και να αποφεύγουν τις επιδράσεις των φαρμάκων, ενώ τα νέα αντιβιοτικά έχουν σπανίσει για δεκαετίες.
Οι ερευνητές έχουν προηγουμένως χρησιμοποιήσει την τεχνητή νοημοσύνη για να εξετάσουν χιλιάδες γνωστά χημικά στην προσπάθειά τους να ταυτοποιήσουν αυτά που έχουν τη δυνατότητα να γίνουν νέα αντιβιοτικά.
Νέο Αντιβιοτικό Κατά των Υπερβακτηρίων Ανακαλύφθηκε με Χρήση Τεχνητής Νοημοσύνης
Τώρα, η ομάδα του MIT προχώρησε ένα βήμα παραπέρα χρησιμοποιώντας γενετική AI για να σχεδιάσει αντιβιοτικά από την αρχή για τη σεξουαλικά μεταδιδόμενη λοίμωξη γονόρροια και για το δυνητικά θανατηφόρο MRSA (μεθικιλλίνη-ανθεκτικός σταφυλόκοκκος).
Η μελέτη τους, που δημοσιεύθηκε στο περιοδικό Cell, ανέλυσε 36 εκατομμύρια συστατικά, συμπεριλαμβανομένων αυτών που είτε δεν υπάρχουν είτε δεν έχουν ακόμη ανακαλυφθεί.
Οι επιστήμονες εκπαίδευσαν την τεχνητή νοημοσύνη δίνοντάς της τη χημική δομή γνωστών συστατικών μαζί με δεδομένα σχετικά με το αν επιβραδύνουν την ανάπτυξη διαφόρων ειδών βακτηρίων.
Η τεχνητή νοημοσύνη στη συνέχεια μαθαίνει πώς επηρεάζονται τα βακτήρια από διαφορετικές μοριακές δομές, που αποτελούνται από άτομα όπως το άνθρακα, το οξυγόνο, το υδρογόνο και το άζωτο.
Δύο προσεγγίσεις δοκιμάστηκαν για να σχεδιαστούν νέα αντιβιοτικά με την τεχνητή νοημοσύνη. Η πρώτη εντόπισε ένα υποσχόμενο σημείο εκκίνησης αναζητώντας σε μια βιβλιοθήκη εκατομμυρίων χημικών θραυσμάτων, από 8 έως 19 άτομα σε μέγεθος, και οικοδομώντας από εκεί. Η δεύτερη άφησε την AI ελεύθερη από την αρχή.
Η διαδικασία σχεδιασμού απέκλεισε επίσης οτιδήποτε φαινόταν πολύ παρόμοιο με τα τρέχοντα αντιβιοτικά. Προσπάθησε επίσης να διασφαλίσει ότι εφηύραν φάρμακα και όχι σαπούνι, φιλτράροντας οτιδήποτε προβλεπόταν ως τοξικό για τους ανθρώπους.
Οι επιστήμονες χρησιμοποίησαν την τεχνητή νοημοσύνη για να δημιουργήσουν αντιβιοτικά για τη γονόρροια και το MRSA, ένα είδος βακτηρίου που ζει ακίνδυνα στο δέρμα αλλά μπορεί να προκαλέσει σοβαρή λοίμωξη αν εισέλθει στο σώμα.
Αφού παραχθούν, οι κορυφαίοι σχεδιασμοί δοκιμάστηκαν σε βακτήρια στο εργαστήριο και σε μολυσμένα ποντίκια, με αποτέλεσμα δύο νέα ενδεχόμενα φάρμακα.
“Είμαστε ενθουσιασμένοι γιατί δείχνουμε ότι η γενετική AI μπορεί να χρησιμοποιηθεί για να σχεδιάσει εντελώς νέα αντιβιοτικά”, δηλώνει ο Καθηγητής James Collins από το MIT στο BBC.
“Η AI μπορεί να μας επιτρέψει να προτείνουμε μόρια, φθηνά και γρήγορα και με αυτόν τον τρόπο, να επεκτείνουμε το οπλοστάσιό μας και πραγματικά να μας δώσει ένα προβάδισμα στη μάχη της εξυπνάδας μας κατά των γονιδίων των υπερβακτηρίων.”
Ωστόσο, δεν είναι έτοιμα για κλινικές δοκιμές και τα φάρμακα θα απαιτήσουν βελτίωση – που εκτιμάται ότι θα πάρει ακόμη ένα έως δύο χρόνια – πριν αρχίσει η μακρά διαδικασία δοκιμής τους σε ανθρώπους.
Βρήκα έναν ιό που τρώει βακτήρια στην τουαλέτα μου – μπορεί να σώσει τη ζωή σας;
Ο Δρ Andrew Edwards από την Fleming Initiative και το Imperial College London δήλωσε ότι η εργασία ήταν “πολύ σημαντική” με “εντυπωσιακή προοπτική” επειδή “δείχνει μια νέα προσέγγιση για την ταυτοποίηση νέων αντιβιοτικών”.
Αλλά πρόσθεσε: “Ενώ η AI υπόσχεται να βελτιώσει δραματικά την ανακάλυψη και την ανάπτυξη φαρμάκων, χρειαζόμαστε ακόμη σκληρή δουλειά όσον αφορά τη δοκιμή της ασφάλειας και της αποτελεσματικότητας.”
Αυτό μπορεί να είναι μια μακρά και δαπανηρή διαδικασία χωρίς καμία εγγύηση ότι τα πειραματικά φάρμακα θα συνταγογραφηθούν στους ασθενείς στο τέλος.
Κάποιοι καλούν για ευρύτερη βελτίωση στην ανακάλυψη φαρμάκων με AI. Ο Καθηγητής Collins λέει “χρειαζόμαστε καλύτερα μοντέλα” που να ξεπερνούν το πόσο καλά λειτουργούν τα φάρμακα στο εργαστήριο σε αυτά που είναι καλύτεροι προγνωστές της αποτελεσματικότητάς τους στο σώμα.
Υπάρχει επίσης το θέμα του πόσο δύσκολο είναι να παραχθούν οι σχεδιασμοί της AI. Από τις 80 κορυφαίες θεραπείες γονόρροιας που σχεδιάστηκαν θεωρητικά, μόνο δύο συντέθηκαν για να δημιουργηθούν φάρμακα.
Ο Καθηγητής Chris Dowson από το Πανεπιστήμιο του Warwick δήλωσε ότι η μελέτη ήταν “δροσερή” και έδειξε ότι η AI ήταν ένα “σημαντικό βήμα μπροστά ως εργαλείο για την ανακάλυψη αντιβιοτικών για να μετριάσουμε την εμφάνιση της αντοχής”.
Ωστόσο, εξηγεί, υπάρχει επίσης ένα οικονομικό πρόβλημα που επηρεάζει τις λοιμώξεις που είναι ανθεκτικές στα φάρμακα – “πώς μπορείς να φτιάξεις φάρμακα που δεν έχουν εμπορική αξία;”
Αν ανακαλυφθεί ένα νέο αντιβιοτικό, τότε ιδανικά θα το χρησιμοποιείς όσο το δυνατόν λιγότερο για να διατηρήσεις την αποτελεσματικότητά του, κάτι που καθιστά δύσκολο σε οποιονδήποτε να βγάλει κέρδος.