Menneskeheden er kommet bagud i kampen mod resistente bakterier, men AI kan vise sig at være vores hemmelige våben.
Antibiotikaresistente patogener er ansvarlige for mellem 1 og 5 millioner dødsfald om året.
Der er kun udviklet få nye antibiotika i løbet af det sidste årti, og de fleste er små justeringer af eksisterende antibiotika.
Det er usædvanligt arbejdskrævende at finde nye lægemidler, men et nyt skelsættende studie har udnyttet kunstig intelligens til automatisk at screene tusindvis af stoffer for at afdække muligheder for laboratorietest.
Den undersøgelsesom blev offentliggjort i Nature Chemical Biology, forsøgte forskere fra MIT og McMaster University at opdage nye lægemidler til at dræbe Acinetobacter baumanniien bakterie, som WHO identificerede som en "kritisk trussel".
Forskerne brugte to modeller for maskinlæring (ML) til at automatisere processen for lægemiddelopdagelse in silicosom betyder "i en computer".
Sådan her fungerede det:
Indhentet træningsdata
- Forskerne udsatte laboratoriedyrkede A. baumannii til omkring 7.500 forskellige kemiske forbindelser og overvåget for at se, hvilke forbindelser der hæmmede mikrobens vækst.
- De kemiske strukturer af dem, der hæmmede væksten, blev ført ind i en maskinlæringsmodel (ML). Det gjorde det muligt for modellen at lære de kemiske egenskaber, der er forbundet med væksthæmning.
Trænede og testede modellen
- Da modellen var trænet, brugte forskerne den til at analysere et sæt på 6.680 forbindelser, som modellen ikke tidligere havde mødt. Disse stoffer blev hentet fra Drug Repurposing Hub på Broad Institute. Den udpegede et par hundrede forbindelser.
- Forskerne valgte 240 fra den korte liste til at teste eksperimentelt i laboratoriet.
- De fokuserede på forbindelser med forskellige strukturer i forhold til eksisterende antibiotika, da det gør dem mere tilbøjelige til at undgå antibiotikaresistens.
Eksperimentel laboratorietestning
- Laboratorietest indsnævrede listen til 9 antibiotika.
- Blandt disse viste et stof, der oprindeligt blev udforsket som et potentielt diabetesmiddel, sig at være ekstremt effektivt til at dræbe A. baumannii. Lægemidlet blev kaldt "abaucin".
- Mærkeligt nok påvirkede det ikke andre bakteriearter, herunder Pseudomonas aeruginosa, Staphylococcus aureus, og Enterobacteriaceae.
Dr. Stokes, som arbejdede på projektet, fortalte BBC"Det er nu, arbejdet begynder."
Antibiotikummet vil gennemgå en langvarig testprocedure for at vurdere dets sikkerhed i mennesker, som måske først er afsluttet i 2030.
Alligevel fremskynder AI den arbejdskrævende opgave med at udforske nye lægemidler og hjælper forskere med at afdække interessante og nye antimikrobielle forbindelser. Mange af dem er blevet udviklet til andre formål, så de findes allerede derude - vi skal bare finde dem.
Dr. Stokes sagde: "AI øger hastigheden, og i en perfekt verden reducerer det omkostningerne, hvormed vi kan opdage disse nye klasser af antibiotika, som vi desperat har brug for."
Selv om det stadig er en langsommelig proces at teste sikkerheden hos mennesker, vil AI-støttede forskningspipelines helt sikkert fremskynde time-to-market for antibiotika og andre lægemidler.
