AI pomogao u otkrivanju novog antibiotika protiv smrtonosne bakterije

Nova jedinjenja mogu da ubiju Staphylococcus aureus (MRSA), često smrtonosni bakterijski patogen, otporan na  antibiotik Meticilin. Koristeći vrstu veštačke inteligencije, poznatu kao duboko učenje, istraživači sa MIT-a otkrili su klasu jedinjenja koja mogu da ubiju bakteriju otpornu na lekove koja izaziva više od 10.000 smrtnih slučajeva u Sjedinjenim Državama svake godine.

U studiji koja se pojavila u časopisu,, Nature“, istraživači su pokazali da ova jedinjenja mogu da ubiju Staphylococcus aureus (MRSA) otporan na Meticilin, koji se uzgaja u laboratorijskoj posudi, i na dva mišja modela infekcije MRSA. Jedinjenja takođe pokazuju veoma nisku toksičnost protiv ljudskih ćelija, što ih čini posebno dobrim kandidatima za lek.

Ključna inovacija nove studije je da su istraživači takođe bili u mogućnosti da shvate koje vrste informacija model dubokog učenja koristi da bi napravio predviđanja potentnosti antibiotika. Ovo znanje bi moglo pomoći istraživačima da dizajniraju dodatne lekove koji bi mogli da deluju čak i bolje od onih koje je identifikovala AI.

„Ovde smo shvatili da smo mogli da vidimo šta su modeli naučili da bi dali svoja predviđanja da će određeni molekuli biti dobri za antibiotike“, rekao je Džejms Kolins profesor medicinskog inženjerstva i nauke na Institutu za medicinsko inženjerstvo i nauku MIT-a.

Feliks Vong, postdoktorant na IMES-u i Broad Institutu, i Erika Zeng, doktorantkinja u medicinskoj školi na Harvardu, koja je bila pod mentorstvom Kolinsa, vodeći su autori studije koja je deo projekta Antibiotics-AI na MIT-u. Misija ovog projekta, kojim rukovodi Kolins, jeste otkrivanje novih klasa antibiotika protiv sedam vrsta smrtonosnih bakterija tokom sedam godina.

Lekovi, bakterija (Freepik)

Objašnjiva predviđanja

MRSA, koju dobije više od 80.000 ljudi u Sjedinjenim Državama svake godine, često uzrokuje infekcije kože ili upalu pluća. Teški slučajevi mogu da dovedu do sepse, potencijalno fatalne infekcije krvotoka.

Tokom proteklih nekoliko godina, Kolins i njegove kolege u MIT-ovoj klinici Abdul Latif Džamil za mašinsko učenje u zdravstvu su počeli da koriste duboko učenje kako bi pokušali da pronađu nove antibiotike. Njihov rad je iznedrio potencijalne lekove protiv Acinetobacter baumannii, bakterije koja se često nalazi u bolnicama, i mnogih drugih bakterija otpornih na lekove.

Ova jedinjenja su identifikovana korišćenjem modela dubokog učenja koji mogu da nauče da identifikuju hemijske strukture povezane sa antimikrobnom aktivnošću. Ovi modeli zatim pregledaju milione drugih jedinjenja, generišući predviđanja koja bi mogla da imaju snažnu antimikrobnu aktivnost, piše Broad Institute.

veštačka inteligencija, AI (Unsplash)

Model ,,crne kutije“

Ove vrste pretraživanja su se pokazale plodonosnim, ali jedno od ograničenja ovog pristupa je to što su modeli „crne kutije“, što znači da ne postoji način da se sazna na kojim karakteristikama je model zasnivao svoja predviđanja. Kada bi naučnici znali kako modeli daju svoja predviđanja, moglo bi da im bude lakše da identifikuju ili dizajniraju dodatne antibiotike.

„Ono što smo nameravali da uradimo u ovoj studiji je da otvorimo crnu kutiju. Ovi modeli se sastoje od veoma velikog broja proračuna koji oponašaju neuronske veze, i niko zaista ne zna šta se dešava ispod“, rekao je Vong.

Prvo, istraživači su obučili model dubokog učenja koristeći značajno proširene skupove podataka. Oni su generisali podatke o obuci testiranjem oko 39.000 jedinjenja na antibiotsku aktivnost protiv MRSA, a zatim su ove podatke, plus informacije o hemijskim strukturama jedinjenja, uneli u model.

„U osnovi možete da predstavite bilo koji molekul kao hemijsku strukturu, a takođe možete reći modelu da li je ta hemijska struktura antibakterijska ili ne. Model je obučen na mnogim ovakvim primerima. Ako mu onda date bilo koji novi molekul, novi raspored atoma i veza, može vam reći predviđanje da li je to jedinjenje antibakterijsko“, dodao je Vong.

Da bi shvatili kako model daje svoja predviđanja, istraživači su prilagodili algoritam poznat kao ,,Monte Carlo tree search“, koji je korišćen da pomogne da drugi modeli dubokog učenja, kao što je AlphaGo, budu objašnjiviji. Ovaj algoritam pretraživanja omogućava modelu da generiše ne samo procenu antimikrobne aktivnosti svakog molekula, već i predviđanje koje podstrukture molekula verovatno predstavljaju tu aktivnost.

Veštačka inteligencija, bakterija Staphylococcus aureus (Web Mind)

Istraživanje

Da bi dodatno suzili izbor lekova kandidata, istraživači su obučili tri dodatna modela dubokog učenja da predvide da li su jedinjenja toksična za tri različite vrste ljudskih ćelija. Kombinujući ove informacije sa predviđanjima antimikrobne aktivnosti, istraživači su otkrili jedinjenja koja mogu da ubiju mikrobe, a da imaju minimalne štetne efekte na ljudsko telo.

Koristeći ovu kolekciju modela, istraživači su pregledali oko 12 miliona jedinjenja, od kojih su sva komercijalno dostupna. Iz ove kolekcije, modeli su identifikovali jedinjenja iz pet različitih klasa, na osnovu hemijskih podstruktura unutar molekula, za koje se predviđalo da su aktivne protiv MRSA.

Istraživači su kupili oko 280 jedinjenja i testirali ih protiv MRSA uzgojenog u laboratorijskoj posudi, što im je omogućilo da identifikuju dva, iz iste klase, koja su se činila vrlo obećavajućim kandidatima za antibiotike. U testovima na dva modela miševa, jednom za infekciju kože MRSA i jednom za sistemsku infekciju MRSA, svako od tih jedinjenja smanjilo je populaciju MRSA.

Lekar, bakterija Staphylococcus aureus (Freepik)

Dokazi

Eksperimenti su otkrili da jedinjenja ubijaju bakterije narušavajući njihovu sposobnost da održe elektrohemijski gradijent kroz ćelijske membrane. Ovaj gradijent je potreban za mnoge kritične ćelijske funkcije, uključujući sposobnost proizvodnje ATP, molekula koje ćelije koriste za skladištenje energije. Kandidat za antibiotike koji je Kolinsova laboratorija otkrila 2020. godine, halicin, izgleda da radi po sličnom mehanizmu, ali je specifičan za gram-negativne bakterije, sa tankim ćelijskim zidovima. MRSA je gram-pozitivna bakterija sa debljim ćelijskim zidovima.

Izvor: BIZLife

Foto: Pixabay, Freepik, Unsplash, Web Mind