Σημαντική ανακάλυψη: Μοντέλο τεχνητής νοημοσύνης δημιούργησε αντιβιοτικά για υπερανθεκτικά βακτήρια

Δύο πιθανά νέα αντιβιοτικά που θα μπορούσαν να εξοντώσουν την ανθεκτική στα φάρμακα γονόροια και τα βακτήρια MRSA ανακάλυψε μοντέλο τεχνητής νοημοσύνης, όπως αποκάλυψαν ερευνητές.

Τα φάρμακα σχεδιάστηκαν «άτομο προς άτομο» από την τεχνητή νοημοσύνη και εξόντωσαν τα υπερανθεκτικά βακτήρια σε εργαστηριακές δοκιμές και δοκιμές σε ζώα.

Τα δύο σκευάσματα χρειάζονται ακόμη χρόνια βελτίωσης και κλινικών δοκιμών προτού μπορέσουν να συνταγογραφηθούν.

Ωστόσο, η ομάδα του Ινστιτούτου Τεχνολογίας της Μασαχουσέτης (MIT) που βρίσκεται πίσω από αυτή την ανακάλυψη υποστηρίζει ότι η τεχνητή νοημοσύνη θα μπορούσε να ξεκινήσει μια «δεύτερη χρυσή εποχή» για την ανάπτυξη αντιβιοτικών.

Κίνδυνος τα βακτήρια που είναι ανθετικά στα αντιβιοτικά

Τα αντιβιοτικά εξοντώνουν τα βακτήρια, αλλά οι λοιμώξεις που είναι ανθεκτικές στη θεραπεία αυτή προκαλούν πλέον πάνω από ένα εκατομμύριο θανάτους ετησίως.

Η υπερβολική χρήση αντιβιοτικών έχει βοηθήσει τα βακτήρια να εξελιχθούν ώστε να αποφεύγουν τα αποτελέσματα των φαρμάκων, και εδώ και δεκαετίες υπάρχει έλλειψη νέων αντιβιοτικών.

Οι ερευνητές έχουν χρησιμοποιήσει στο παρελθόν την τεχνητή νοημοσύνη για να αναζητήσουν ανάμεσα σε χιλιάδες γνωστές χημικές ουσίες, σε μια προσπάθεια να εντοπίσουν εκείνες που μπορούν να γίνουν νέα αντιβιοτικά.

Τώρα, η ομάδα του MIT προχώρησε ένα βήμα παραπέρα, χρησιμοποιώντας παραγωγική τεχνητή νοημοσύνη για να σχεδιάσει αντιβιοτικά για τη σεξουαλικά μεταδιδόμενη λοίμωξη γονόρροια και για το δυνητικά θανατηφόρο MRSA (χρυσίζοντας Σταφυλόκοκκος ανθεκτικός στη μεθικιλλίνη).

Η μελέτη τους, που δημοσιεύθηκε στο περιοδικό Cell, εξέτασε 36 εκατομμύρια ενώσεις, συμπεριλαμβανομένων εκείνων που είτε δεν υπάρχουν είτε δεν έχουν ακόμη ανακαλυφθεί.

Η διαδικασία εκπαίδευσης του μοντέλου

Οι επιστήμονες εκπαίδευσαν την τεχνητή νοημοσύνη, δίνοντάς της τη χημική δομή γνωστών ενώσεων μαζί με δεδομένα σχετικά με το αν επιβραδύνουν την ανάπτυξη διαφορετικών ειδών βακτηρίων.

Στη συνέχεια, η τεχνητή νοημοσύνη μαθαίνει πώς επηρεάζονται τα βακτήρια από διαφορετικές μοριακές δομές, κατασκευασμένες από άτομα όπως άνθρακας, οξυγόνο, υδρογόνο και άζωτο.

Στη συνέχεια, δοκιμάστηκαν δύο προσεγγίσεις για το σχεδιασμό νέων αντιβιοτικών με τη βοήθεια της τεχνητής νοημοσύνης. Η πρώτη εντόπισε ένα πολλά υποσχόμενο σημείο εκκίνησης, αναζητώντας σε μια βιβλιοθήκη εκατομμυρίων χημικών θραυσμάτων, μεγέθους οκτώ έως 19 ατόμων, και συνέχισε από εκεί. Η δεύτερη έδωσε στην τεχνητή νοημοσύνη ελεύθερο πεδίο δράσης από την αρχή.

Η διαδικασία σχεδιασμού απέκλεισε επίσης οτιδήποτε έμοιαζε πολύ με τα τρέχοντα αντιβιοτικά. Προσπάθησε επίσης να διασφαλίσει ότι εφευρίσκονταν φάρμακα και όχι σαπούνια και να φιλτράρει οτιδήποτε προβλέπονταν ότι θα ήταν τοξικό για τον άνθρωπο.

Οι επιστήμονες χρησιμοποίησαν την τεχνητή νοημοσύνη για να δημιουργήσουν αντιβιοτικά για τη γονόρροια και το MRSA, ένα είδος βακτηρίου που ζει αβλαβώς στο δέρμα, αλλά μπορεί να προκαλέσει σοβαρή λοίμωξη αν εισέλθει στον οργανισμό.

Νέα αντιβιοτικά από την τεχνητή νοημοσύνη

Μετά την παρασκευή τους, τα κορυφαία σχέδια δοκιμάστηκαν σε βακτήρια στο εργαστήριο και σε μολυσμένα ποντίκια, με αποτέλεσμα την ανάπτυξη δύο νέων πιθανών φαρμάκων.

«Είμαστε ενθουσιασμένοι γιατί αποδεικνύουμε ότι η παραγωγική τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί για τον σχεδιασμό εντελώς νέων αντιβιοτικών», δηλώνει ο καθηγητής James Collins από το MIT στο BBC.

«Η τεχνητή νοημοσύνη μας επιτρέπει να δημιουργούμε μόρια με φθηνό και γρήγορο τρόπο και, με αυτόν τον τρόπο, να επεκτείνουμε το οπλοστάσιό μας και να αποκτήσουμε πραγματικό πλεονέκτημα στη μάχη της νοημοσύνης μας ενάντια στα γονίδια των υπερανθεκτικών βακτηρίων».

Ωστόσο, τα φάρμακα δεν είναι ακόμη έτοιμα για κλινικές δοκιμές και θα χρειαστεί να γίνουν περαιτέρω βελτιώσεις – οι οποίες εκτιμάται ότι θα διαρκέσουν ένα έως δύο χρόνια – προτού ξεκινήσει η μακρά διαδικασία των δοκιμών σε ανθρώπους.

Ο Δρ Andrew Edwards, από το Fleming Initiative και το Imperial College London, δήλωσε ότι η εργασία αυτή είναι «πολύ σημαντική» και έχει «τεράστιο δυναμικό», καθώς «επιδεικνύει μια καινοτόμο προσέγγιση για την ανακάλυψη νέων αντιβιοτικών».

Ωστόσο, πρόσθεσε: «Παρόλο που η τεχνητή νοημοσύνη υπόσχεται να βελτιώσει σημαντικά την ανακάλυψη και την ανάπτυξη φαρμάκων, εξακολουθούμε να πρέπει να καταβάλλουμε μεγάλες προσπάθειες όσον αφορά τον έλεγχο της ασφάλειας και της αποτελεσματικότητας».

Αυτή μπορεί να είναι μια μακρά και δαπανηρή διαδικασία, χωρίς καμία εγγύηση ότι τα πειραματικά φάρμακα θα συνταγογραφηθούν τελικά στους ασθενείς.

Ανάγκη για βελτιωμένα μοντέλα

Κάποιοι ζητούν να βελτιωθεί ευρύτερα η ανακάλυψη φαρμάκων με τη βοήθεια της τεχνητής νοημοσύνης. Ο καθηγητής Collins λέει ότι «χρειαζόμαστε καλύτερα μοντέλα» που να υπερβαίνουν την απόδοση των φαρμάκων στο εργαστήριο και να προβλέπουν καλύτερα την αποτελεσματικότητά τους στον οργανισμό.

Υπάρχει επίσης ένα ζήτημα σχετικά με το πόσο δύσκολη είναι η κατασκευή των σχεδίων της τεχνητής νοημοσύνης. Από τις 80 κορυφαίες θεραπείες για τη γονόρροια που σχεδιάστηκαν θεωρητικά, μόνο δύο συντέθηκαν για να δημιουργηθούν φάρμακα.

Ο καθηγητής Chris Dowson, του Πανεπιστημίου του Warwick, δήλωσε ότι η μελέτη ήταν «ενδιαφέρουσα» και έδειξε ότι η τεχνητή νοημοσύνη ήταν «ένα σημαντικό βήμα προς τα εμπρός για την ανακάλυψη αντιβιοτικών που θα μετριάσουν την εμφάνιση αντοχής στα βακτήρια».

Ωστόσο, εξηγεί, υπάρχει επίσης ένα οικονομικό πρόβλημα που επηρεάζει τις ανθεκτικές στα φάρμακα λοιμώξεις: «Πώς μπορείς να φτιάξεις φάρμακα που δεν έχουν εμπορική αξία;»

Αν εφευρεθεί ένα νέο αντιβιοτικό, τότε ιδανικά θα πρέπει να το χρησιμοποιείς όσο το δυνατόν λιγότερο για να διατηρήσεις την αποτελεσματικότητά του, καθιστώντας δύσκολο για οποιονδήποτε να αποκομίσει κέρδος.

*Πηγή: BBC

Διαβάστε επίσης