كشف آنتيبيوتيكهاي قدرتمند به كمك هوش مصنوعي
يك رويكرد يادگيري ماشين، انواع جديد و قدرتمندي از آنتيبيوتيكها را از مخزني متشكلاز بيش از ۱۰۰ ميليون مولكول شناسايي كرد. يكي از اين مولكولها، مولكولي است كه دربرابر طيف وسيعي از باكتريها ازجمله باكتري عامل سل و سويههاي كه غيرقابل درمان درانديشه متخصصين گرفته ميشوند، مؤثر است. پژوهشگران ميگويند اين آنتيبيوتيك كه هاليسين (halicin) نام دارد، اولين آنتيبيوتيكي است كه با استفاده از سيستم هوش مصنوعي كشف شده است. اگرچه هوش مصنوعي قبل از اين بهمنظور كمك به بخشهايي از فرايند كشف آنتيبيوتيكها مورد استفاده قرار گرفته بود، بهگفتهي پژوهشگران، اين نخستينبار است كه يك سيستم هوش مصنوعي انواع كاملا جديدي از آنتيبيوتيكها را بدون درانديشه متخصصين گرفتن فرضيات پيشين انساني و بهخوديخود كشف كرده است. نتايج پژوهش جديد كه تحت هدايت جيم كالينز، متخصص زيستشناسي مصنوعي از مؤسسهي فناوري ماساچوست انجام شده، در مجلهي Cell منتشر شده است.
ژاكوب دورانت، متخصص زيستشناسي محاسباتي از دانشگاه پيتسبورگ در پنسيلوانيا اين مطالعه را قابلتوجه ميخواند. او ميگويد پژوهشگران فقط مولكولهاي كانديدا را شناسايي نكردند بلكه همچنين مولكولهاي اميدواركننده را در آزمايشهاي حيواني تأييد كردند. علاوهبراين، رويكرد آنها ميتواند درمورد انواع مختلف داروها مانند داروهاي درمان سرطان يا بيماريهاي نورودژنراتيو نيز به كار آيد.
مقاومت باكتريايي دربرابر آنتيبيوتيكها بهطرز چشمگيري در سرتاسر جهان در حال افزايش است و پژوهشگران پيشبيني ميكنند كه اگر داروهاي جديدي بهسرعت توسعه پيدا نكند، عفونتهاي مقاوم ميتوانند در آيندهاي نزديك (تا سال ۲۰۵۰)، هر سال ۱۰ ميليون نفر را به كام مرگ بفرستند. اما طي چند دههي گذشته، روند كشف و تأييد آنتيبيوتيكهاي جديد كند بوده است. كالينز ميگويد:
پژوهشگران بهطور مكرر مولكولهاي تكراري را كشف ميكنند. ما به تركيبات شيميايي دارويي جديد با مكانيسمهاي عمل جديدي نياز داريم.
كالينز و گروهش يك شبكهي عصبي (الگوريتم هوش مصنوعي الهامگرفته از معماري مغز) ايجاد كردند كه ويژگيهاي مولكولها را اتم به اتم ياد ميگيرد. پژوهشگران بهمنظور يافتن مولكولهايي كه از رشد باكتري اشريشيا كلي ممانعت ميكنند، شبكهي عصبي خود را با استفاده از مجموعهاي متشكلاز ۲۳۳۵ مولكول كه فعاليت آنتيباكتريايي آنها شناخته شده بود، يادگيري دادند. اين دادهها شامل جزوه رايگانخانهاي متشكلاز حدود ۳۰۰ آنتيبيوتيك تأييدشده و نيز ۸۰۰ محصول طبيعي از منابع گياهي، جانوري و ميكروبي بود. رجينا برزيلي پژوهشگر حوزهي هوش مصنوعي در مؤسسهي فناوري ماساچوست و يكي از نويسندگان مقالهي جديد ميگويد:
الگوريتم ياد ميگيرد كه عملكرد مولكول را بدون درانديشه متخصصين گرفتن هيچ فرض درمورد نحوهي عمل داروها و بدون برچسبگذاري گروههاي شيميايي، پيشبيني كند. درنتيجه، اين مدل ميتواند الگوهاي جديدي را كه براي متخصصان انساني ناشناخته مانده است، بياموزد.
پژوهشگران پس از يادگيري مدل، از آن براي غربالگري جزوه رايگانخانهاي بهنام Drug Repurposing Hub استفاده كردند كه حاوي حدود ۶ هزار مولكول تحت مطالعه براي درمان بيماريهاي مختلف انساني است. پژوهشگران از مدل خود خواستند كه پيشبيني كند كدام مولكولها دربرابر اشريشيا كلي مؤثر هستند و فقط مولكولهايي را به آنها نشان دهد كه با آنتيبيوتيكهاي معمول فرق دارند. پژوهشگران ازميان مولكولهاي پيشنهادي سيستم، حدود ۱۰۰ مولكول كانديدا را براي آزمايشهاي فيزيكي انتخاب كردند. مشخص شد يكي از اين مولكولها يعني مولكولي كه براي درمان ديابت مورد مطالعه قرار دارد (هاليسين)، آنتيبيوتيك قوي است. مولكول مذكور در آزمايشهاي انجامشده روي موشها، دربرابر طيف وسيعي از پاتوژنها ازجمله سويهاي از كلوستريديوم سخت (Clostridioides difficile) و سويهاي از آسينتوباكتر بائوماني (Acinetobacter baumannii) كه داراي مقاومت آنتيبيوتيكي هستند، فعال بود.
باكتري اشريشيا كلي (به رنگ سبز) زير ميكروسكوپ الكتروني روبشي
مهار پروتون
مكانيسم عمل آنتيبيوتيكها مختلف است. آنها طي مكانيسمهايي مانند مهار آنزيمهاي درگير در بيوسنتز ديوارهي مولكولي، ترميم DNA يا سنتز پروتئين عمل ميكنند. اما مكانيسم عمل هاليسين غيرمعمول است. اين مولكول جريان پروتونها را در غشاي سلول مختل ميكند. علاوهبراين، در آزمايشهاي مقدماتي حيواني چنين بهانديشه متخصصين ميرسيد كه اين مولكول سميت كمتري داشته و دربرابر مقاومت نيز قوي است. كالينز ميگويد در آزمايشها، مقاومت دربرابر ديگر تركيبات آنتيبيوتيكي معمولا طي يكي دو روز ايجاد ميشود اما درمورد هاليسين پس از گذشت ۳۰ روز نيز مقاومتي دربرابر آن ديده نشد.
در ادامه، پژوهشگران بيش از ۱۰۷ ميليون ساختار مولكولي را در پايگاه دادهاي كه ZINC15 ناميده ميشود، مورد جستوجو قرار دادند. آنها ۲۳ مورد از اين مولكولها را در آزمايشهاي فيزيكي مورد مطالعه قرار دادند و ۸ مولكول كه داراي فعاليت آنتيباكتريايي بودند، شناسايي شدند. از اين ميان، دو مورد فعاليت قوي دربرابر طيف وسيعي از پاتوژنها داشتند و حتي توانستند بر سويههاي مقاوم به آنتيبيوتيك باكتري اشريشيا كلي غلبه كنند. باب مورفي، متخصص زيستشناسي محاسباتي در دانشگاه كارنگي ملون در پيتسبورگ ميگويد:
اين مطالعه، يك نمونهي عالي است كه نشاندهندهي رشد پژوهشهاي مرتبط با استفاده از روشهاي محاسباتي براي كشف و پيشبيني ويژگيهاي داروهاي بالقوه است.
مورفي خاطرنشان ميكند كه از روشهاي هوش مصنوعي قبلا نيز براي كاوش پايگاههاي داده بزرگ متشكلاز ژنها و متابوليتها بهمنظور شناسايي مولكولهايي كه حاوي آنتيبيوتيكهاي جديد باشند، استفاده شده است. اما كالينز و گروهش ميگويند رويكرد آنها متفاوت است. آنها بهجاي جستوجو بهدنبال ساختارهاي خاص يا كلاسهاي مولكولي، شبكهي خود را يادگيري ميدهند تا بهدنبال مولكولهايي بگردد كه فعاليت خاصي داشته باشند.
پژوهشگران اميدوار هستند بتوانند با گروه يا شركت ديگري همكاري كنند تا هاليسين را در كارآزماييهاي باليني مورد مطالعه قرار دهند. آنها همچنين ميخواهند رويكرد خود را براي يافتن آنتيبيوتيكهاي جديد و طراحي كامل مولكولها، گسترش دهند. برزيلي ميگويد كار آنها نوعي اثبات مفهوم است و نشان ميدهد با چنين سيستمي چه كارهايي ميتوان انجام داد.
هم انديشي ها