Menneskeheten har sakket akterut i kampen mot medisinresistente bakterier, men kunstig intelligens kan vise seg å være vårt hemmelige våpen.
Antibiotikaresistente patogener er ansvarlige for mellom 1 og 5 millioner dødsfall per år.
Få nye antibiotika har blitt utviklet i løpet av det siste tiåret, og de fleste er små justeringer av eksisterende antibiotika.
Det er svært arbeidskrevende å finne nye legemidler, men en ny studie har utnyttet kunstig intelligens til å automatisk screene tusenvis av stoffer for å avdekke muligheter for laboratorietesting.
Den studiepublisert i Nature Chemical Biology, forsøkte forskere fra MIT og McMaster University å finne nye medisiner for å drepe Acinetobacter baumanniien bakterie som WHO identifiserte som en "kritisk trussel".
Forskerne brukte to maskinlæringsmodeller (ML) for å automatisere prosessen med å finne legemidler in silico, som betyr "i en datamaskin".
Slik fungerte det:
Innhentet opplæringsdata
- Forskerne eksponerte laboratoriedyrket A. baumannii til rundt 7500 forskjellige kjemiske forbindelser, og overvåket for å se hvilke forbindelser som hemmet veksten av mikroben.
- De kjemiske strukturene til de stoffene som hemmet vekst, ble matet inn i en maskinlæringsmodell (ML). På denne måten kunne modellen lære seg de kjemiske egenskapene som var forbundet med veksthemming.
Trente og testet modellen
- Etter at modellen var opplært, brukte forskerne den til å analysere et sett med 6680 forbindelser som modellen ikke hadde møtt tidligere. Disse forbindelsene ble hentet fra Drug Repurposing Hub ved Broad Institute. Den valgte ut noen hundre forbindelser.
- Forskerne valgte ut 240 av disse for å teste dem eksperimentelt i laboratoriet.
- De fokuserte på forbindelser med differensierte strukturer i forhold til eksisterende antibiotika, ettersom dette gjør det mer sannsynlig at de unngår antibiotikaresistens.
Eksperimentell laboratorietesting
- Laboratorietester reduserte listen til ni antibiotika.
- Blant disse viste det seg at en forbindelse som opprinnelig ble utforsket som et potensielt diabetesmiddel, var ekstremt effektiv til å drepe A. baumannii. Legemidlet ble kalt "abaucin".
- Det spesielle var at det ikke påvirket andre bakteriearter, inkludert Pseudomonas aeruginosa, Staphylococcus aureus, og Enterobacteriaceae.
Dr. Stokes, som jobbet med prosjektet, fortalte BBC"Det er nå arbeidet begynner."
Antibiotikumet vil gjennomgå en langvarig testprosedyre for å måle sikkerheten i mennesker, som kanskje ikke er ferdig før i 2030.
AI gjør det likevel raskere å utforske nye legemidler, og hjelper forskerne med å finne interessante og nye antimikrobielle forbindelser. Mange av dem har blitt utviklet til andre formål, så de finnes allerede der ute - vi trenger bare å finne dem.
Dr. Stokes sa: "Kunstig intelligens øker hastigheten, og i en perfekt verden reduserer kostnadene, som vi kan bruke til å oppdage disse nye antibiotikaklassene som vi sårt trenger."
Selv om det fortsatt tar lang tid å teste sikkerheten på mennesker, vil AI-støttede forskningspipelines helt sikkert bidra til at antibiotika og andre legemidler kommer raskere på markedet.