Naukowcy z MIT wykorzystują sztuczną inteligencję do projektowania nowych antybiotyków przeciwko lekoopornym bakteriom

Naukowcy z MIT wykorzystali potencjał generatywnej sztucznej inteligencji, aby dokonać znaczącego przełomu w walce z opornością na antybiotyki. Zespół opracował nowatorskie podejście oparte na sztucznej inteligencji, mające na celu stworzenie unikalnych antybiotyków, które dają obiecujące wyniki w zwalczaniu dwóch znanych z wysokiej oporności na leki zakażeń bakteryjnych: Neisseria gonorrhoeae oraz wielolekooporne Staphylococcus aureus (MRSA). Tym, co wyróżnia ten projekt i podkreśla jego wyjątkowość, jest fakt, że nowe związki antybiotykowe mają unikalną strukturę i działają w oparciu o zupełnie nowe mechanizmy.

Dzięki sztucznej inteligencji zespół z MIT zdołał wygenerować ponad 36 milionów potencjalnych związków chemicznych i wykorzystał zaawansowany proces selekcji, aby zbadać aktywność przeciwbakteryjną każdego z nich. James Collins, pomysłodawca tej inicjatywy, stwierdził z wyraźnym entuzjazmem: “Nasze badania pokazują potęgę sztucznej inteligencji z punktu widzenia projektowania leków i pozwalają nam wykorzystać znacznie większe przestrzenie chemiczne, które wcześniej były niedostępne”.”

W przeszłości metody odkrywania nowych antybiotyków polegały głównie na tworzeniu nieznacznie zmodyfikowanych wariantów istniejących leków. Biorąc pod uwagę zdolność bakterii do rozwijania oporności na te zmodyfikowane leki, stanowiło to ogromny problem, powodujący szacunkowo 5 milionów zgonów rocznie. Jednak dzięki wykorzystaniu sztucznej inteligencji do przeszukiwania baz danych związków chemicznych, Projekt MIT dotyczący antybiotyków i sztucznej inteligencji wyłoniła obiecujących kandydatów, takich jak halicyna oraz abaucin.

Odchodząc jeszcze bardziej od normy, zespół Collinsa w swoim najnowszym badaniu wkroczył na nieznane dotąd terytorium chemii. Wykorzystując sztuczną inteligencję, udało im się stworzyć zupełnie nowe cząsteczki, które nie występują w żadnej z obecnych baz danych ani bibliotek. Badanie miało dwa główne cele: po pierwsze, zwalczanie bakterii wywołującej rzeżączkę, N. gonorrhoeae; a po drugie, zwalczanie S. aureus, bakteria znana z odporności na wiele antybiotyków.

Aby stawić czoła N. gonorrhoeae, zespół rozpoczął pracę od bazy zawierającej 45 milionów znanych fragmentów chemicznych, wykorzystując modele uczenia maszynowego do zawężenia tej liczby do zaledwie 1 miliona potencjalnych kandydatów. Celem było wykluczenie wszelkich związków przypominających istniejące antybiotyki lub takich, u których przewidywano toksyczne działanie na komórki ludzkie. W wyniku tego procesu uzyskano jeden związek, nazwany ‘NG1’, który wykazał silne działanie przeciwko N. gonorrhoeae w warunkach laboratoryjnych oraz na modelu mysim.

Podejście przyjęte w przypadku S. aureus różniły się od siebie, przy czym sztuczna inteligencja miała całkowitą swobodę w projektowaniu cząsteczek bez żadnych z góry określonych fragmentów. W tym przypadku wyróżniający się kandydat, ‘DN1’, wykazał silne działanie przeciwbakteryjne i okazał się skuteczny w leczeniu zakażenia skóry wywołanego przez MRSA u myszy.

Podczas gdy Collins i jego zespół kontynuują swoje pionierskie badania, firma Phare Bio – partner projektu Antibiotics AI – podjęła się udoskonalenia zarówno NG1, jak i DN1 w celu przeprowadzenia dalszych testów. Jednocześnie zespół z MIT planuje skierować uwagę swojej platformy opartej na sztucznej inteligencji na szereg niebezpiecznych patogenów, w tym Mycobacterium tuberculosis oraz Pseudomonas aeruginosa.

To przełomowe przedsięwzięcie jest wspierane przez szereg organizacji, w tym Amerykańską Agencję ds. Ograniczania Zagrożeń Obronnych (Defense Threat Reduction Agency), Narodowy Instytut Zdrowia (National Institutes of Health), Audacious Project oraz kilku prywatnych darczyńców. Więcej informacji na temat oryginalnego badania można znaleźć pod adresem MIT News.