Einem Team von Bioingenieuren ist es gelungen, mithilfe von KI Moleküle aus unserer Vergangenheit wiederzubeleben.
In dieser faszinierenden Studie wurde maschinelles Lernen (ML) eingesetzt, um Proteindaten von modernen Menschen zu analysieren (Homo sapiens) als auch von unseren ausgestorbenen Verwandten, den Neandertalern (Homo neanderthalensis) und Denisovans, eine ausgestorbene Menschenart oder Unterart aus Asien.
Die Studie Moleküle entdeckt, die das Potenzial haben, krankheitsverursachende Bakterien zu bekämpfen. Diese als "De-Extinction" bezeichneten Techniken könnten möglicherweise als Grundlage für die Suche nach neuen Antibiotika dienen.
"Wir sind motiviert von der Idee, Moleküle aus der Vergangenheit zurückzubringen, um Probleme zu lösen, die wir heute haben", sagt Cesar de la Fuente, Mitautor der Studie und Bioingenieur an der Universität von Pennsylvania in Philadelphia, sagte Natur.
Wenn Sie das an eine bestimmte Dinosaurier-Filmreihe denken lässt - Genau das hat das Forschungsteam inspiriert.
De la Fuente sagte: "Wir haben tatsächlich angefangen, über Jurassic Park", sagt er. Anstatt Dinosaurier wieder zum Leben zu erwecken, wie es die Wissenschaftler im Film von 1993 taten, kam das Team auf eine praktikablere Idee: "Warum nicht Moleküle zurückbringen?"
Der Druck auf die Forscher, neue Antibiotika zu finden, ist enorm, da in den letzten 30 Jahren nur wenige wirksame Medikamente entdeckt wurden.
Gleichzeitig nimmt die Prävalenz von antibiotikaresistenten Bakterien zu, so dass neue Behandlungsmethoden willkommen sind. AI bietet zahlreiche Wege um diese neuartigen Behandlungen zu erforschen, wobei eine Reihe von Studien die Technologie nutzen, um versteckte und unbekannte klinisch relevante Moleküle zu entdecken.
Viele Organismen bilden kurze Proteinuntereinheiten, die als Peptide mit antimikrobiellen Eigenschaften bekannt sind. Mehrere antimikrobielle Peptide, die überwiegend aus Bakterien stammen, werden zur Behandlung von Infektionen eingesetzt.
Die Proteine ausgestorbener Arten - einschließlich des Menschen - könnten eine wertvolle, aber noch nicht ausreichend erforschte Ressource für die Entwicklung neuer Antibiotika darstellen.
Die Forscher trainierten einen ML-Algorithmus, um die Stellen auf menschlichen Proteinen zu identifizieren, an denen sie in Peptide zerlegt sind. Sie wendeten diesen Algorithmus auf öffentlich verfügbare Proteinsequenzen aus H. sapiens, H. neanderthalensisund Denisovans, um neue Peptide auf der Grundlage der Eigenschaften bekannter antimikrobieller Peptide zu identifizieren.
Die Identifizierung und Prüfung potenzieller Wirkstoffkandidaten mit Hilfe von KI dauert nur wenige Wochen, verglichen mit dem herkömmlichen Verfahren, bei dem die Entdeckung eines neuen Antibiotikums drei bis sechs Jahre dauert.
Das Team testete eine Reihe von Peptiden in einer Laborumgebung, um ihre Fähigkeit zur Beseitigung von Bakterien zu untersuchen. Sie wählten 6 wirksame Peptide aus - 4 aus H. sapiens, 1 aus H. neanderthalensisund 1 von Denisovans. Die Peptide wurden an Mäusen getestet, die infiziert waren mit Acinetobacter baumannii.
Obwohl keines der Peptide die Bakterien vollständig abtötete, gelang es ihnen allen, das Wachstum von A. baumannii in Oberschenkelmuskelgewebe. 5 Moleküle töteten Bakterien in Hautabszessen ab, obwohl hohe Dosierungen erforderlich waren.
"Auch wenn der Algorithmus, den wir verwendet haben, keine erstaunlichen Moleküle hervorgebracht hat, denke ich, dass das Konzept und der Rahmen einen völlig neuen Weg für die Entdeckung von Medikamenten darstellen", so de la Fuente.
Euan Ashley, ein Experte für Genomik und Präzisionsmedizin an der Stanford University, kommentierte: "De la Fuente und seine Kollegen haben mich davon überzeugt, dass das Eintauchen in das archaische menschliche Genom ein interessanter und potenziell nützlicher Ansatz ist."
Wie die Studie funktionierte: eine Aufschlüsselung
- Die Forscher wollten bioaktive Moleküle, die von lebenden Organismen nicht mehr produziert werden, wiederbeleben (oder "de-extinct"). Diese Moleküle könnten möglicherweise für die Arzneimittelforschung genutzt werden.
- Sie verwendeten ein Modell des maschinellen Lernens (ML), das als panCleave bekannt ist. Dabei handelt es sich um ein "Random-Forest"-Modell, eine Art von KI-Algorithmus, der Ergebnisse auf der Grundlage vieler Eingaben vorhersagt. Das panCleave-Modell sagte voraus, wo Proteine in kleinere Teile, so genannte Peptide, aufgespalten werden würden. Diese Peptide haben manchmal antimikrobielle Eigenschaften.
- Das Ergebnis: Die Forscher fanden mehrere Peptide (sowohl von modernen Menschen als auch von ausgestorbenen menschlichen Verwandten), die sich bei Tests im Labor als antimikrobielle Wirkstoffe erwiesen.
- Getestet wurden u. a. die Widerstandsfähigkeit gegen den Abbau durch andere Proteine und die Fähigkeit, Zellmembranen zu durchdringen. Einige der Peptide bekämpften wirksam eine häufige bakterielle Infektion in Hautabszessen von Mäusen.
- Methoden des maschinellen Lernens können vielversprechende Peptide für die Entwicklung neuer Antibiotika identifizieren. Darüber hinaus wird die "molekulare De-Extinktion" (Wiederbelebung von Molekülen aus ausgestorbenen Organismen) als neuer Rahmen für die Arzneimittelentdeckung vorgeschlagen, insbesondere für die Suche nach neuen Antibiotika.
Das Potenzial der KI für die Entdeckung neuer Medikamente in großem Maßstab erweist sich als immens, und zwar nicht nur für Antibiotika, sondern Anti-Aging-Medikamente und andere Verbindungen zu.
