Снимка: iStock

Използването на изкуствен интелект (ИИ) се оказва революционен фактор, когато става дума за медицина, като технологията сега помага на учените да отключат първите нови антибиотици от 60 години насам.

Откриването на ново съединение, което може да убие резистентна към лекарства бактерия, която убива хиляди по света всяка година, може да се окаже повратна точка в борбата срещу антибиотичната резистентност, съобщава Euronews Next.

„Прозрението тук беше, че можем да видим какво се научава от моделите, за да направим своите прогнози, че определени молекули ще направят добри антибиотици“, Джеймс Колинс, професор по медицинско инженерство и наука в Масачузетския технологичен институт (MIT) и един на авторите на изследването, се казва в изявление.

„Нашата работа осигурява рамка, която е ефективна във времето, ресурсите и механично проницателна, от гледна точка на химическата структура, по начини, които не сме имали досега“.

Резултатите са публикувани днес в Nature и са съавтори на екип от 21 изследователи.

Проучване, насочено към „отваряне на черната кутия“

Екипът зад проекта използва модел за дълбоко обучение, за да предвиди активността и токсичността на новото съединение.

Дълбокото обучение включва използването на изкуствени невронни мрежи за автоматично обучение и представяне на функции от данни без изрично програмиране.

Все повече се прилага при откриването на лекарства, за да се ускори идентифицирането на потенциални кандидати за лекарства, да се предвидят техните свойства и да се оптимизира процеса на разработване на лекарства.

В този случай изследователите се фокусираха върху резистентния към метицилин Staphylococcus aureus (MRSA).

Инфекциите с MRSA могат да варират от леки кожни инфекции до по-тежки и потенциално животозастрашаващи състояния като пневмония и инфекции на кръвния поток.

Почти 150 000 инфекции с MRSA се случват всяка година в Европейския съюз, докато почти 35 000 души умират годишно в блока от резистентни към антимикробни инфекции инфекции, според Европейския център за превенция и контрол на заболяванията (ECDC).

Екипът от изследователи на MIT обучи екстензивно разширен модел на дълбоко обучение, използвайки разширени набори от данни.

За да се създадат данните за обучение, приблизително 39 000 съединения бяха оценени за тяхната антибиотична активност срещу MRSA. Впоследствие както получените данни, така и подробности относно химичните структури на съединенията бяха въведени в модела.

„Това, което си поставихме за цел в това проучване, беше да отворим черната кутия. Тези модели се състоят от много голям брой изчисления, които имитират невронни връзки, и никой наистина не знае какво се случва под капака“, каза Феликс Уонг, постдоктор в MIT и Харвард и един от водещите автори на изследването.

Откриване на ново съединение

За да прецизират избора на потенциални лекарства, изследователите са използвали три допълнителни модела за дълбоко обучение. Тези модели бяха обучени да оценяват токсичността на съединенията върху три различни типа човешки клетки.

Чрез интегриране на тези прогнози за токсичност с предварително определената антимикробна активност, изследователите откриха съединения, способни ефективно да се борят с микробите с минимално увреждане на човешкото тяло.

С помощта на този набор от модели бяха проверени приблизително 12 милиона налични в търговската мрежа съединения.

Моделите идентифицират съединения от пет различни класа, категоризирани въз основа на специфични химични подструктури в молекулите, които показват прогнозирана активност срещу MRSA.

Впоследствие изследователите придобиха около 280 от тези съединения и проведоха тестове срещу MRSA в лабораторни условия. Този подход ги накара да идентифицират двама обещаващи кандидати за антибиотици от същия клас.

В експерименти, включващи два модела на мишки - един за кожна инфекция с MRSA и друг за системна инфекция с MRSA – всяко от тези съединения намалява популацията на MRSA с фактор 10.