پایان عصر سوپرباگ‌ها! کشف داروهای نوین با هوش مصنوعی
به گزارش صنایع نو، در حالی که زرادخانه جهانی آنتی‌بیوتیک‌های مؤثر در برابر سویه‌های مقاوم به دارو رو به کاهش است، آیا هوش مصنوعی تولیدی می‌تواند محرک نوآوری در زمینه آنتی‌بیوتیک‌ها باشد؟
برخی امروز از این می‌ترسند که هوش مصنوعی روزی بشریت را نابود کند. اما اگر ظهور ماشین‌ها ما را از بین نبرد، باکتری‌های مقاوم به دارو این کار را خواهند کرد. این قاتلان میکروسکوپی در حال حاضر سالانه میلیون‌ها نفر را در سراسر جهان به کام مرگ می‌کشند و زرادخانه جهانی آنتی‌بیوتیک‌های مؤثر رو به کاهش است.
اما آیا می‌توان از یک تهدید برای دفع تهدید دیگر استفاده کرد؟ مطالعه‌ای که امروز در مجله Cell منتشر شد، این امکان را مطرح می‌کند. تیمی به رهبری جیم کالینز، استاد مهندسی زیستی MIT، نشان داد که چگونه الگوریتم‌های هوش مصنوعی تولیدی که بر روی مجموعه‌های عظیمی از مواد ضد باکتری آموزش دیده‌اند، می‌توانند میلیون‌ها مولکول غیرقابل تصور قبلی را با قدرت پیش‌بینی شده برای کشتن میکروب‌ها طراحی کنند - برخی از این مولکول‌ها در آزمایش‌های روی موش‌ها قوی ظاهر شدند.
محققان زیرمجموعه کوچکی از این مولکول‌های طراحی‌شده توسط هوش مصنوعی را سنتز کردند و دریافتند که این مولکول‌ها برای سوپرباگ‌های مسئول سوزاک مقاوم به دارو و عفونت‌های پوستی استافیلوکوکی سرسخت کشنده هستند.
سزار د لا فوئنته، زیست‌شناس سنتزی در دانشگاه پنسیلوانیا که در این تحقیق مشارکت نداشت، می‌گوید: «این یک افزونه عالی برای این حوزه نوظهور استفاده از هوش مصنوعی در کشف آنتی‌بیوتیک‌ها است.» او اضافه می‌کند: «این مطالعه به خوبی نشان می‌دهد که هوش مصنوعی تولیدی چگونه می‌تواند مولکول‌هایی با فعالیت در دنیای واقعی تولید کند. این روش ظریف و از نظر بالینی بالقوه معنادار است.»
یک سازمان غیرانتفاعی اجتماعی به نام Phare Bio که توسط کالینز ایجاد شده است، اکنون قصد دارد این آنتی‌بیوتیک‌ها و سایر آنتی‌بیوتیک‌های کشف‌شده توسط هوش مصنوعی را به سمت توسعه بالینی پیش ببرد.
این کاندیداهای آنتی‌بیوتیک بر اساس یافته‌های قبلی آزمایشگاه کالینز ساخته شده‌اند - از جمله هالیسین، یک آنتی‌بیوتیک گسترده‌طیف قوی که در سال ۲۰۲۰ شناسایی شد؛ یک عامل هدفمندتر به نام آبوسین با فعالیت علیه Acinetobacter baumannii، یکی از عوامل اصلی عفونت‌های بیمارستانی؛ و یک کلاس ساختاری جدید از مولکول‌ها که سال گذشته توصیف شد و در برابر سوپرباگ‌های MRSA و VRE مؤثر بود.
با این حال، در کشفیات قبلی تیم، کالینز و همکارانش هنوز در حال کاوش در کتابخانه‌های شیمیایی موجود بودند و از مدل‌های یادگیری عمیق برای شناسایی ترکیبات نادیده گرفته‌شده با پتانسیل ضد باکتریایی استفاده می‌کردند. کار جدید مسیر کاملاً جدیدی را تعیین می‌کند: به جای جستجوی گنج‌های پنهان در قلمرو آشنا، پلتفرم هوش مصنوعی تولیدی از صفر شروع می‌کند و ساختارهای مولکولی کاملاً جدیدی را طراحی می‌کند که در هیچ پایگاه داده‌ای وجود ندارند.
کالینز می‌گوید: «این حرکت از استفاده از هوش مصنوعی به عنوان یک ابزار کشف به استفاده از هوش مصنوعی به عنوان یک ابزار طراحی است.» او اضافه می‌کند که این تغییر، مرزهای جدیدی را در کشف آنتی‌بیوتیک‌ها باز می‌کند - قلمرویی ناشناخته که می‌تواند میزبان نسل بعدی داروهای نجات‌بخش باشد.
هوش ضد میکروب توانایی خود را ثابت می‌کند
برای آموزش مدل هوش مصنوعی تولیدی خود، کالینز و همکارانش ابتدا از یک چارچوب شبکه عصبی برای غربالگری مجازی بیش از ۴۵ میلیون قطعه شیمیایی - بلوک‌های ساختمانی داروهای بالقوه - استفاده کردند و به دنبال قطعاتی بودند که پیش‌بینی می‌شد فعالیتی علیه Neisseria gonorrhoeae (عامل عفونت‌های مقاربتی سوزاک) و Staphylococcus aureus (عامل عفونت‌های خونی کشنده، ذات‌الریه و بیماری پوستی گوشت‌خوار) داشته باشند. سپس دو الگوریتم به کار افتادند: یکی قطعات را به ساختارهای مولکولی کامل تبدیل می‌کرد و دیگری پیش‌بینی می‌کرد که کدام یک از این ساختارها قوی‌ترین ضربه ضد باکتریایی را دارد.
در مجموع، الگوریتم‌ها بیش از ۱۰ میلیون مولکول کاندیدا تولید کردند که هیچ یک قبلاً وجود نداشتند. اما سپس آنچه آارتی کریشنان، نویسنده مطالعه MIT و زیست‌شناس محاسباتی، آن را «یک گلوگاه بزرگ» توصیف می‌کند، رخ داد: تعداد بسیار کمی از این آنتی‌بیوتیک‌های پیش‌بینی‌شده واقعاً در آزمایشگاه قابل ساخت بودند.
محققان به صورت دستی بین نتایج هوش مصنوعی غربالگری کردند و به دنبال ویژگی‌هایی بودند که نشان‌دهنده شباهت به دارو و امکان‌پذیری سنتز بودند. در نهایت به یک لیست کوتاه از حدود ۲۰۰ طرح امیدوارکننده رسیدند که ۲۴ مورد از آن‌ها با موفقیت تولید شدند. هفت مورد به عنوان عوامل ضد میکروبی واقعی تأیید شدند که توسط آزمایش‌های آزمایشگاهی تأیید شد و دو مورد از آن‌ها به ویژه در مدل‌های موشی سوزاک و عفونت‌های استافیلوکوکی کارایی قوی نشان دادند. قابل توجه است که هر یک از آن‌ها به نظر می‌رسد از طریق یک مکانیسم عمل متمایز و جدیدی کار می‌کنند که توسط آنتی‌بیوتیک‌های موجود مورد استفاده قرار نمی‌گیرد.
جاناتان استوکس، هم‌بنیان‌گذار Phare و زیست‌شناس شیمیایی ضد میکروب در دانشگاه مک مستر کانادا در همیلتون، انتاریو، می‌گوید: «این بسیار جالب است.» او از تیم کالینز برای کشف دو پیش‌ماده بسیار امیدوارکننده آنتی‌بیوتیک تقدیر می‌کند اما خاطرنشان می‌کند که فرآیند زمان‌بر آزمون و خطا نشان می‌دهد که این فناوری هنوز چقدر راه در پیش دارد تا ترکیباتی تولید کند که به راحتی قابل سنتز باشند.
استوکس، که در این تحقیق مشارکت نداشت، می‌گوید: «این کمی مانند فیل در اتاق است.» او در مورد امکان‌پذیری سنتز در کشف داروهای هوش مصنوعی تولیدی می‌گوید: «آنتی‌بیوتیک‌ها، به دلیل موانع مالی در این فضا، باید ارزان باشند. آن‌ها باید ارزان برای کشف، ارزان برای توسعه و ارزان برای تولید باشند. بنابراین اگر فرصت‌هایی برای جلوگیری از همه این مسائل با امکان‌پذیری سنتز وجود دارد، احساس می‌کنم که این یک مزیت بزرگ است.»
حرکت از مدل به مولکول
برای مقابله با این چالش، استوکس و همکارانش یک ابزار هوش مصنوعی تولیدی توسعه دادند که کاندیداهای آنتی‌بیوتیک را با طرح‌های شیمیایی طراحی می‌کند که برای تولید در دنیای واقعی، نه فقط صفحه‌های کامپیوتری، تنظیم شده‌اند. این ابزار که SyntheMol نام دارد، در یک فضای شیمیایی محدودتر نسبت به مدل هوش مصنوعی تولیدی کالینز عمل می‌کند و تنها مولکول‌هایی را انتخاب می‌کند که بلوک‌های ساختمانی آن‌ها را می‌توان با مراحل واکنش آزمایشگاهی اثبات‌شده سنتز کرد. این پارامترهای جستجو را به ده‌ها میلیارد مولکول محدود می‌کند، در مقایسه با ۱۰۶۰ ساختار ممکن که مدل کالینز بررسی کرد.
با این حال، این برای SyntheMol کافی بود تا چندین کاندیدای دارویی تولید کند که استوکس و همکارانش، از طریق یک استارت‌آپ به نام Stoked Bio، امیدوارند آن‌ها را به درمان‌هایی برای باکتری‌های مرتبط با بیماری کرون و سایر شرایط سخت‌درمان تبدیل کنند.
تیم قصد دارد بین گستره وسیع احتمالات بیوشیمیایی که مدل‌ها می‌توانند بررسی کنند و معیارهای حیاتی مانند قدرت دارو، ایمنی، سمیت کم و سهولت سنتز تعادل برقرار کند. د لا فوئنته، که به Phare مشاوره می‌دهد و مدل‌های هوش مصنوعی تولیدی خود را برای طراحی داروهای پپتیدی ضد میکروب می‌سازد، می‌گوید: «این یک مسئله بهینه‌سازی چندهدفه است.»
اما در حال حاضر، ابزارهایی که تلاش‌های کشف Phare را تقویت می‌کنند - که ریشه در رویکردهای کالینز دارند - در حال حاضر پیروزی‌های اولیه را به ارمغان آورده‌اند، اکشلا کوساراجو، مدیرعامل و رئیس Phare Bio می‌گوید. او خاطرنشان می‌کند: «ما به طور قابل توجهی ترکیبات اولیه قوی‌تر و کم‌سم‌تر دریافت می‌کنیم.» و با پشتیبانی آژانس پروژه‌های تحقیقاتی پیشرفته بهداشت ایالات متحده (ARPA-H) و بخش خیریه گوگل - که از Phare برای ساخت زیرساخت‌های منبع باز حول طراحی آنتی‌بیوتیک‌های هدایت‌شده توسط هوش مصنوعی حمایت مالی می‌کند - کوساراجو و همکارانش قصد دارند امیدوارکننده‌ترین کاندیداها را به آزمایش‌های انسانی منتقل کنند.
او می‌گوید: «ما در حال ساخت چیزی هستیم که فکر می‌کنیم جدیدترین و قوی‌ترین خط لوله آنتی‌بیوتیک‌ها در جهان است.»
نظرات کاربران
هنوز نظری ثبت نشده است.