Een team van biotechnici heeft met succes AI gebruikt om moleculen uit ons verleden te laten herrijzen.
Deze intrigerende studie maakte gebruik van machine learning (ML) om eiwitgegevens van moderne mensen te analyseren (Homo sapiens) en van onze uitgestorven verwanten, Neanderthalers (Homo neanderthalensis) en Denisovanen, een uitgestorven soort of ondersoort van de mens uit Azië.
De onderzoek moleculen ontdekt die ziekteverwekkende bacteriën kunnen bestrijden. Deze technieken, die 'de-extinctie' worden genoemd, kunnen mogelijk als basis dienen voor het vinden van nieuwe antibiotica.
"We zijn gemotiveerd door het idee om moleculen uit het verleden terug te brengen om problemen die we vandaag de dag hebben aan te pakken," aldus Cesar de la Fuente, co-auteur van het onderzoek en bio-ingenieur aan de Universiteit van Pennsylvania in Philadelphia, vertelde Natuur.
Als dit je doet denken aan een bepaalde op dinosaurussen gebaseerde filmfranchise - dat is precies wat het onderzoeksteam inspireerde.
De la Fuente zei: "We begonnen echt na te denken over Jurassic Park," zegt hij. In plaats van dinosaurussen weer tot leven te wekken, zoals wetenschappers in de film uit 1993 deden, kwam het team met een haalbaarder idee: "Waarom brengen we moleculen niet terug?"
De druk op onderzoekers om nieuwe antibiotica te vinden is enorm, aangezien er de afgelopen 30 jaar maar weinig effectieve medicijnen zijn ontdekt.
Ondertussen neemt de prevalentie van bacteriën die resistent zijn tegen antibiotica toe, dus nieuwe behandelingen zijn welkom. AI biedt talrijke wegen om deze nieuwe behandelingen te onderzoeken, met een reeks onderzoeken waarbij de technologie wordt gebruikt om verborgen en onbekende klinisch relevante moleculen bloot te leggen.
Veel organismen maken korte eiwitsubeenheden aan die bekend staan als peptiden met antimicrobiële eigenschappen. Verschillende antimicrobiële peptiden, voornamelijk afkomstig van bacteriën, worden gebruikt om infecties te behandelen.
De eiwitten van uitgestorven diersoorten - waaronder mensen - kunnen dienen als een waardevolle, maar nog onvoldoende onderzochte bron voor de ontwikkeling van nieuwe antibiotica.
De onderzoekers trainden een ML-algoritme om locaties op menselijke eiwitten te identificeren waar ze in peptiden worden gesneden. Ze pasten dit algoritme toe op openbaar beschikbare eiwitsequenties van H. sapiens, H. neanderthalensisen Denisovans, waarbij nieuwe peptiden worden geïdentificeerd op basis van de eigenschappen van bekende antimicrobiële peptiden.
Het duurt slechts een paar weken om potentiële kandidaat-geneesmiddelen te identificeren en te testen met behulp van AI, in vergelijking met het traditionele proces dat 3 tot 6 weken in beslag neemt om een nieuw antibioticum te ontdekken.
Het team testte verschillende peptiden in een laboratoriumomgeving om hun vermogen om bacteriën te elimineren te onderzoeken. Ze selecteerden 6 krachtige peptiden - 4 van H. sapiens, 1 van H. neanderthalensisen 1 van Denisovanen. De peptiden werden getest op muizen geïnfecteerd met Acinetobacter baumannii.
Hoewel geen van de peptiden de bacteriën volledig doodde, slaagden ze er allemaal in om de groei van A. baumannii in dijspierweefsel. 5 moleculen doodden bacteriën in huidabcessen, hoewel er hoge doseringen nodig waren.
"Hoewel het algoritme dat we gebruikten geen geweldige moleculen opleverde, denk ik dat het concept en het raamwerk een geheel nieuwe manier van denken over het ontdekken van medicijnen vertegenwoordigt," stelt de la Fuente.
Euan Ashley, een genomica- en precisiegezondheidsexpert aan de Stanford University, zei: "De la Fuente en zijn collega's hebben me ervan overtuigd dat een duik in het archaïsche menselijke genoom een interessante en mogelijk nuttige benadering is."
Hoe het onderzoek werkte: een uitsplitsing
- De onderzoekers gingen op zoek naar bioactieve moleculen die niet langer door levende organismen worden geproduceerd. Deze moleculen zouden mogelijk gebruikt kunnen worden voor het ontdekken van medicijnen.
- Ze gebruikten een machine learning (ML) model dat bekend staat als panCleave. Dit is een "random forest" model, een soort AI-algoritme dat uitkomsten voorspelt op basis van veel invoer. Het panCleave model voorspelde waar eiwitten zouden worden opgesplitst in kleinere delen die peptiden worden genoemd. Deze peptiden hebben soms antimicrobiële eigenschappen.
- Het resultaat: De onderzoekers vonden verschillende peptiden (zowel van moderne mensen als van uitgestorven menselijke verwanten) die potentieel als antimicrobiële middelen toonden toen ze in het lab werden getest.
- De tests hadden onder andere betrekking op de weerstand tegen afbraak door andere eiwitten en het vermogen om door celmembranen heen te dringen. Sommige peptiden bestreden effectief een veel voorkomende bacteriële infectie in huidabcessen bij muizen.
- Machine-learning methoden kunnen veelbelovende peptiden identificeren voor de ontwikkeling van nieuwe antibiotica. Bovendien wordt "moleculaire de-extinctie" (het doen herrijzen van moleculen van uitgestorven organismen) voorgesteld als een nieuw kader voor het ontdekken van geneesmiddelen, specifiek voor het vinden van nieuwe antibiotica.
Het potentieel van AI voor het op grote schaal ontdekken van nieuwe medicijnen is enorm, en niet alleen antibiotica, maar ook andere geneesmiddelen. antiverouderingsmedicijnen en andere verbindingen ook.
