Et hold bioingeniører har med succes brugt AI til at genoplive molekyler fra vores gamle fortid.
Dette spændende studie brugte maskinlæring (ML) til at analysere proteindata fra moderne mennesker (Homo sapiens) samt fra vores uddøde slægtninge, neandertalerne (Homo neanderthalensis) og denisovanere, en uddød art eller underart af mennesker fra Asien.
Den undersøgelse opdagede molekyler med potentiale til at bekæmpe sygdomsfremkaldende bakterier. Disse teknikker, der kaldes 'de-extinction', kan potentielt tjene som grundlag for at finde nye antibiotika.
"Vi er motiverede af tanken om at bringe molekyler fra fortiden tilbage for at løse problemer, som vi har i dag", siger Cesar de la Fuente, medforfatter til undersøgelsen og bioingeniør ved University of Pennsylvania i Philadelphia, fortalte naturen.
Hvis dette får dig til at tænke på en bestemt dinosaurbaseret filmserie - Det var netop det, der inspirerede forskerholdet.
De la Fuente sagde: "Vi begyndte faktisk at tænke på Jurassic Park", siger han. I stedet for at bringe dinosaurerne tilbage til livet, som forskerne gjorde i filmen fra 1993, fandt holdet på en mere realistisk idé: "Hvorfor ikke bringe molekylerne tilbage?"
Der er et enormt pres på forskerne for at finde nye antibiotika, og der er kun fundet få effektive lægemidler i de sidste 30 år.
I mellemtiden stiger forekomsten af antibiotikaresistente bakterier, så nye behandlinger er velkomne. AI giver mange muligheder til at udforske disse nye behandlinger med en række undersøgelser, der udnytter teknologien til at afdække skjulte og ukendte klinisk relevante molekyler.
Mange organismer genererer korte proteinunderenheder kendt som peptider med antimikrobielle egenskaber. Flere antimikrobielle peptider, der hovedsageligt stammer fra bakterier, bruges til at behandle infektioner.
Proteiner fra uddøde arter - herunder mennesker - kan fungere som en værdifuld, men underudforsket ressource til udvikling af nye antibiotika.
Forskerne trænede en ML-algoritme til at identificere steder på menneskelige proteiner, hvor de er delt op i peptider. De anvendte denne algoritme på offentligt tilgængelige proteinsekvenser fra H. sapiens, H. neanderthalensisog denisovaer og identificere nye peptider baseret på kendte antimikrobielle peptiders egenskaber.
Det tager kun et par uger at identificere og teste potentielle lægemiddelkandidater ved hjælp af AI, sammenlignet med den traditionelle proces, der tager mellem 3 og 6 år at opdage et nyt antibiotikum.
Holdet testede en række forskellige peptider i laboratoriet for at undersøge deres evne til at fjerne bakterier. De valgte 6 potente peptider - 4 fra H. sapiens, 1 fra H. neanderthalensisog 1 fra denisovanere. Peptiderne blev testet på mus inficeret med Acinetobacter baumannii.
Selvom ingen af peptiderne slog bakterierne helt ihjel, formåede de alle at hæmme væksten af A. baumannii i lårmuskelvæv. 5 molekyler dræbte bakterier i hudabscesser, selv om det krævede høje doser.
"Selv om den algoritme, vi brugte, ikke gav fantastiske molekyler, mener jeg, at konceptet og rammerne repræsenterer en helt ny måde at tænke lægemiddelopdagelse på", siger de la Fuente.
Euan Ashley, ekspert i genomik og præcisionssundhed ved Stanford University, sagde: "De la Fuente og hans kolleger overbeviste mig om, at det var en interessant og potentielt nyttig tilgang at dykke ned i det arkaiske menneskelige genom."
Hvordan undersøgelsen fungerede: en oversigt
- Forskerne satte sig for at genoplive (eller "udrydde") bioaktive molekyler, der ikke længere produceres af levende organismer. Disse molekyler kan potentielt bruges til at finde nye lægemidler.
- De brugte en maskinlæringsmodel (ML) kendt som panCleave. Det er en "random forest"-model, en type AI-algoritme, der forudsiger resultater baseret på mange input. PanCleave-modellen forudsagde, hvor proteiner ville blive opdelt i mindre dele, kendt som peptider. Disse peptider har nogle gange antimikrobielle egenskaber.
- Resultatet: Forskerne fandt flere peptider (både fra moderne mennesker og uddøde menneskeslægter), der viste potentiale som antimikrobielle stoffer, når de blev testet i laboratoriet.
- Testen omfattede modstandsdygtighed over for at blive ødelagt af andre proteiner og evnen til at trænge igennem cellemembraner. Nogle af peptiderne bekæmpede effektivt en almindelig bakterieinfektion i musenes hudbylder.
- Maskinlæringsmetoder kan identificere lovende peptider til udvikling af nye antibiotika. Desuden foreslås "molekylær udryddelse" (genoplivning af molekyler fra uddøde organismer) som en ny ramme for lægemiddelopdagelse, specifikt til at finde nye antibiotika.
AI's potentiale til at opdage nye lægemidler i stor skala viser sig at være enormt, og ikke bare antibiotika, men Anti-aldringsmedicin og andre forbindelser også.
