Un team di bioingegneri ha utilizzato con successo l'intelligenza artificiale per resuscitare molecole del nostro antico passato.
Questo intrigante studio ha utilizzato il machine learning (ML) per analizzare i dati sulle proteine degli esseri umani moderni (Homo sapiens) e dai nostri parenti estinti, i Neanderthal (Homo neanderthalensis) e i Denisovani, una specie o sottospecie umana estinta proveniente dall'Asia.
Il studio hanno scoperto molecole con il potenziale di combattere i batteri che causano malattie. Queste tecniche, denominate "de-estinzione", potrebbero potenzialmente servire come base per individuare nuovi antibiotici.
"Siamo motivati dall'idea di riportare in vita le molecole del passato per affrontare i problemi di oggi", spiega Cesar de la Fuente, coautore dello studio e bioingegnere presso l'Università della Pennsylvania a Philadelphia, ha detto a Nature.
Se questo vi fa pensare a un certo franchise cinematografico basato sui dinosauri - è proprio questo che ha ispirato il team di ricerca.
De la Fuente ha dichiarato: "Abbiamo iniziato a pensare a Jurassic Park", dice. Piuttosto che riportare in vita i dinosauri, come hanno fatto gli scienziati nel film del 1993, il team ha avuto un'idea più fattibile: "Perché non riportare in vita le molecole?".
La pressione sui ricercatori per individuare nuovi antibiotici è immensa, visto che negli ultimi 30 anni sono stati scoperti pochi farmaci efficaci.
Nel frattempo, la prevalenza di batteri resistenti agli antibiotici è in aumento, quindi sono benvenuti nuovi trattamenti. L'intelligenza artificiale fornisce numerose strade per esplorare questi nuovi trattamenti, con una serie di studi che sfruttano la tecnologia per scoprire molecole nascoste e sconosciute di rilevanza clinica.
Molti organismi generano brevi subunità proteiche note come peptidi con proprietà antimicrobiche. Diversi peptidi antimicrobici, provenienti prevalentemente da batteri, sono utilizzati per trattare le infezioni.
Le proteine delle specie estinte - compreso l'uomo - potrebbero costituire una risorsa preziosa ma poco esplorata per lo sviluppo di nuovi antibiotici.
I ricercatori hanno addestrato un algoritmo di ML per identificare i punti delle proteine umane in cui vengono tagliate in peptidi. Hanno applicato questo algoritmo alle sequenze proteiche disponibili pubblicamente da H. sapiens, H. neanderthalensise Denisovans, identificando nuovi peptidi sulla base delle caratteristiche dei peptidi antimicrobici noti.
L'identificazione e il test di potenziali candidati farmaci con l'IA richiede solo poche settimane, rispetto al processo tradizionale che richiede da 3 a 6 settimane per scoprire un nuovo antibiotico.
Il team ha testato una serie di peptidi in laboratorio per esplorare la loro capacità di eliminare i batteri. Hanno selezionato 6 potenti peptidi - 4 provenienti da H. sapiens, 1 da H. neanderthalensise 1 di Denisovans. I peptidi sono stati testati su topi infettati da Acinetobacter baumannii.
Sebbene nessuno dei peptidi abbia ucciso del tutto i batteri, tutti sono riusciti a inibire la crescita di A. baumannii nel tessuto muscolare della coscia. 5 molecole hanno ucciso i batteri negli ascessi cutanei, anche se erano necessari dosaggi elevati.
"Anche se l'algoritmo che abbiamo utilizzato non ha prodotto molecole straordinarie, credo che il concetto e la struttura rappresentino una strada completamente nuova per pensare alla scoperta di farmaci", afferma de la Fuente.
Euan Ashley, esperto di genomica e di salute di precisione presso l'Università di Stanford, ha commentato: "De la Fuente e i suoi colleghi mi hanno convinto che immergersi nel genoma umano arcaico fosse un approccio interessante e potenzialmente utile".
Come ha funzionato lo studio: una sintesi
- I ricercatori si sono proposti di resuscitare (o "de-estinguere") le molecole bioattive non più prodotte dagli organismi viventi. Queste molecole potrebbero essere utilizzate per la scoperta di farmaci.
- Hanno utilizzato un modello di apprendimento automatico (ML) noto come panCleave. Si tratta di un modello di "foresta casuale", un tipo di algoritmo di intelligenza artificiale che predice i risultati sulla base di molti input. Il modello panCleave ha previsto dove le proteine sarebbero state suddivise in parti più piccole, note come peptidi. Questi peptidi hanno talvolta proprietà antimicrobiche.
- Il risultato: I ricercatori hanno trovato diversi peptidi (sia di esseri umani moderni che di parenti umani estinti) che hanno mostrato un potenziale come agenti antimicrobici quando sono stati testati in laboratorio.
- I test includevano la resistenza alla rottura da parte di altre proteine e la capacità di permeare le membrane cellulari. Alcuni dei peptidi hanno combattuto efficacemente una comune infezione batterica negli ascessi cutanei dei topi.
- I metodi di apprendimento automatico possono identificare peptidi promettenti per lo sviluppo di nuovi antibiotici. Inoltre, la "de-estinzione molecolare" (resuscitare molecole da organismi estinti) è proposta come un nuovo quadro per la scoperta di farmaci, in particolare per trovare nuovi antibiotici.
Il potenziale dell'intelligenza artificiale per la scoperta di nuovi farmaci su scala si sta rivelando immenso, e non solo per quanto riguarda gli antibiotici, ma anche farmaci anti-invecchiamento e altri composti anche.
