Ένα ισχυρό νέο αντιβιοτικό ανακάλυψαν ερευνητές του ΜΙΤ χρησιμοποιώντας έναν αλγόριθμo μηχανικής μάθησης (machine learning).
Όπως αναφέρει το MIT News, το φάρμακο σκοτώνει πολλά από τα πιο επιβλαβή και επικίνδυνα βακτήρια στον κόσμο, μεταξύ των οποίων και κάποια στελέχη που είναι ανθεκτικά σε όλα τα γνωστά αντιβιοτικά.
Το εν λόγω μοντέλο υπολογιστή, που μπορεί να εξετάζει/ ελέγχει πάνω από 100 εκατ. χημικές ενώσεις μέσα σε λίγες ημέρες, είναι σχεδιασμένο για να βρίσκει πιθανά αντιβιοτικά που σκοτώνουν βακτήρια με διαφορετικούς μηχανισμούς από αυτούς των υπαρχόντων φαρμάκων.
«Θέλαμε να αναπτύξουμε μια πλατφόρμα που θα μας επέτρεπε να δαμάσουμε τη δύναμη της τεχνητής νοημοσύνης προκειμένου να φέρουμε μια νέα εποχή ανακάλυψης αντιβιοτικών φαρμάκων» είπε ο Τζέιμς Κόλινς, καθηγητής Ιατρικής Μηχανικής στο ΜΙΤ. «Η προσέγγισή μας αποκάλυψε αυτό το εκπληκτικό μόριο που φαίνεται να είναι ένα από τα πιο ισχυρά αντιβιοτικά που έχουν ανακαλυφθεί ποτέ».
Στο πλαίσιο της έρευνάς τους οι ερευνητές ανακάλυψαν επίσης και άλλα πολλά υποσχόμενα υποψήφια αντιβιοτικά, τα οποία σχεδιάζουν να δοκιμάσουν περαιτέρω. Θεωρούν επίσης πως το εν λόγω μοντέλο μπορεί να χρησιμοποιηθεί για τον σχεδιασμό νέων φαρμάκων, με βάση αυτά που έχουν γίνει γνωστά για τις χημικές δομές που επιτρέπουν στα φάρμακα να σκοτώνουν βακτήρια.
«Το μοντέλο μηχανικής μάθησης μπορεί να διερευνά, in silico, μεγάλους χημικούς χώρους που μπορεί να είναι απαγορευτικά δαπανηροί για παραδοσιακές πειραματικές προσεγγίσεις» είπε η Ρετζίνα Μπαρτσιλέι, καθηγήτρια Ηλεκτρολογίας- Μηχανολογίας και Επιστήμης Υπολογιστών στο CSAIL του ΜΙΤ. Η Μπαρτσιλέι και ο Κόλινς είναι οι senior authors της έρευνας, που δημοσιεύτηκε στο Cell. First author της έρευνας είναι ο Τζόναθαν Στόουκς, μεταδιδακτορικός στο ΜΙΤ και στο Broad Institute του ΜΙΤ και του Χάρβαρντ.
Μέσα στις τελευταίες δεκαετίες έχουν αναπτυχθεί λίγα νέα αντιβιοτικά, και τα περισσότερα από αυτά είναι στην πραγματικότητα ελαφρώς διαφορετικές εκδοχές υπαρχόντων φαρμάκων. Οι υπάρχουσες μέθοδοι εξέτασης/ εντοπισμού νέων αντιβιοτικών είναι συχνά απαγορευτικά δαπανηρές, καθώς απαιτούν πολύ χρόνο και περιορίζονται σε ένα στενό φάσμα χημικής ποικιλότητας. «Αντιμετωπίζουμε μια εντεινόμενη κρίση αντοχής στα αντιβιοτικά, και αυτή η κατάσταση προκαλείται τόσο από έναν αυξανόμενο αριθμό παθογόνων που γίνονται ανθεκτικοί στα υπάρχοντα αντιβιοτικά, καθώς και από έναν “αναιμικό” αγωγό στις βιομηχανίες βιοτεχνολογίας και φαρμακευτικής για νέα αντιβιοτικά» είπε ο Κόλινς.
Η ιδέα χρήσης μοντέλων τεχνητής νοημοσύνης σε υπολογιστές για αυτή τη δουλειά δεν είναι κάτι νέο, ωστόσο μέχρι τώρα αυτά τα μοντέλα δεν ήταν επαρκώς ακριβή για να αλλάξουν τα δεδομένα στα φάρμακα. Προηγουμένως τα μόρια παρουσιάζονταν ως διανύσματα που αντικατόπτριζαν την παρουσία ή απουσία συγκεκριμένων χημικών ομάδων. Ωστόσο τα νέα νευρωνικά δίκτυα μπορούν να μαθαίνουν αυτές τις αναπαραστάσεις αυτόματα, χαρτογραφώντας μόρια σε συνεχή διανύσματα που επιτρέπουν την πρόβλεψη των ιδιοτήτων τους.
Επί της προκειμένης οι ερευνητές σχεδίασαν το μοντέλο έτσι ώστε να αναζητά χημικά χαρακτηριστικά που κάνουν τα μόρια αποτελεσματικά στο να σκοτώνουν το E. Coli.* Για αυτόν τον σκοπό εκπαίδευσαν το μοντέλο πάνω σε 2.500 μόρια, μεταξύ των οποίων 1.700 εγκεκριμένα φάρμακα και 800 φυσικά προϊόντα.
Όταν η τεχνητή νοημοσύνη εκπαιδεύτηκε, οι ερευνητές τη δοκίμασαν στο Drug Repurposing Hub, μια βάση δεδομένων με περίπου 6.000 ενώσεις. Το μοντέλο βρήκε ένα μόριο που, βάσει προβλέψεων, έχει ισχυρές αντιβακτηριακές ιδιότητες, και χημική δομή διαφορετική από τα υπάρχοντα αντιβιοτικά. Χρησιμοποιώντας ένα διαφορετικό μοντέλο μηχανικής μάθησης, οι ερευνητές επίσης έδειξαν ότι το μόριο αυτό πιθανότατα θα είχε χαμηλή τοξικότητα στα ανθρώπινα κύτταρα.
Το μόριο αυτό ονομάστηκε halicin (από την τεχνητή νοημοσύνη HAL του «2001: Οδύσσεια του Διαστήματος») και είχε στο παρελθόν εξεταστεί ως πιθανό φάρμακο για τον διαβήτη. Οι ερευνητές το δοκίμασαν απέναντι σε δεκάδες στελέχη βακτηρίων και ανακάλυψαν ότι ήταν σε θέση να σκοτώνει πολλά που κατά τα άλλα παρουσίαζαν υψηλές αντοχές. Το συγκεκριμένο φάρμακο λειτούργησε απέναντι σε κάθε είδος που δοκιμάστηκε, με την εξαίρεση της Pseudomonas aeruginosa.
Για να εξεταστεί η αποτελεσματικότητά του σε ζωντανά ζώα, οι επιστήμονες το δοκίμασαν σε ποντίκια που είχαν μολυνθεί με A. baumanni**. Το στέλεχος που χρησιμοποιήθηκε ήταν ανθεκτικό σε όλα τα γνωστά αντιβιοτικά, ωστόσο η χρήση μιας αλοιφής με halicin καθάρισε τις μολύνσεις μέσα σε 24 ώρες. Προκαταρκτικές μελέτες υποδεικνύουν πως το halicin σκοτώνει βακτήρια εμποδίζοντάς τα να διατηρήσουν ένα ηλεκτροχημικό συνεχές στις κυτταρικές τους μεμβράνες, που είναι απαραίτητο, μεταξύ άλλων, για την παραγωγή ΑΤΡ– οπότε όταν αυτό εμποδίζεται, τα κύτταρα πεθαίνουν.
Σύμφωνα με τους ερευνητές, πρόκειται για έναν μηχανισμό απέναντι στον οποίο τα βακτήρια δύσκολα θα μπορούσαν να δημιουργήσουν αντιστάσεις. Σημειώνεται πως, στο πλαίσιο της μελέτης διαπιστώθηκε πως το E. coli δεν ανέπτυξε αντοχές στο halicin μέσα σε διάστημα 30 ημερών, τη στιγμή που, σε άλλα γνωστά αντιβιοτικά, όπως το ciprofloxacin, άρχιζαν να εμφανίζονται αντιστάσεις σε 1-3 ημέρες και μέσα σε 30 ημέρες τα βακτήρια ήταν πολύ πιο ανθεκτικά από ό,τι στην αρχή του πειράματος.
*H Escherichia coli (E. coli) αποτελεί μια μεγάλη οικογένεια βακτηρίων, ορισμένα από τα οποία δεν είναι επιβλαβή για την ανθρώπινη υγεία, ενώ αντίθετα κάποια άλλα μπορούν να προκαλέσουν έως και πολύ σοβαρά προβλήματα υγείας.
**Το Acinetobacter baumannii αποτελεί αίτιο νοσοκομειακών λοιμώξεων με συνεχώς αυξανόμενη συχνότητα ενώ η εμφάνιση πολυανθεκτικών στελεχών – Multi Drug Resistant Acinetobacter baumannii – (MDRAB) καθιστά εξαιρετικά δύσκολη τη θεραπεία τους.