Пока перспективы безрадостны — использование антибиотиков заставляет микробов мутировать, приспосабливаясь и вырабатывая устойчивость к лекарствам, становясь все более опасными для человека. В результате люди становятся беззащитными перед болезнями. Нам нужен новый вид антибиотиков!
Как найти новое поколение антибиотиков — ответ получен
В связи с ростом лекарственной устойчивости многих патогенных микроорганизмов, нам крайне необходимы новые антибиотики. Ученые их найдут — это только вопрос времени.
Volodymyr Hryshchenko / Unsplash
Революция в сфере создания искусственного интеллекта (ИИ) дала ученым надежду на прорыв с сфере разработки лекарственных препаратов нового поколения. В исследовании, опубликованном в журнале Cell, ученые из Массачусетского технологического института и Гарварда использовали искусственный интеллект с глубоким обучением для открытия новых антибиотиков.
Традиционный способ обнаружения антибиотиков — из почв или растительных экстрактов — не выявил новых кандидатов на звание лекарства будущего. Некоторые ученые копаются в ДНК бактерий, продуцирующих антибиотики, в поисках новых генов. Другие ищут антибиотики в экзотических местах, например, в человеческом носу.
Лекарства, найденные нетрадиционными методами, трудно вывести на рынок, а порой просто невозможно. Препараты, которые показали свою эффективность в чашке Петри, могут не работать в организме: плохо впитываться или иметь серьезные побочные эффекты. Даже производство данных препаратов в промышленных масштабах может оказаться невозможным.
Используя тысячи искусственных нейронов, ИИ глубокого обучения может выполнять чрезвычайно сложные задачи. Например, распознавать кошек в видео или обнаружить опухоль при биопсии. Учитывая его силу и успех, не удивительно, что исследователи, ищущие новые лекарства, хотят использовать искусственный интеллект. Но это не так просто — не существует универсального алгоритма ИИ. Если алгоритм справился с одной задачей, скажем, с распознаванием лиц, то это не значит, что он сможет найти и новый вид лекарств. Следовательно, ученые не могут просто использовать готовый ИИ глубокого обучения. Его сперва нужно «вырастить».
Ученые из Массачусетского технологического института и Гарварда использовали новый тип искусственного интеллекта, называемый «графическими нейронными сетями», для поиска лекарств.
В 2010 году модели искусственного интеллекта, используемые для обнаружения лекарств, использовали текстовые описания химических веществ, которые похожи на описание лица человека с помощью таких словосочетаний, как «темные глаза» и «длинный нос». Данные текстовые дескрипторы полезны, но, очевидно, не отображают всю картину.
Метод искусственного интеллекта, разработанный учеными, описывает химические вещества как сетку атомов, что дает алгоритму более полную картину химического вещества.
Однако одного глубокого обучения для открытия новых антибиотиков недостаточно. Необходимо знание инфекций. Для этого ИИ обучили тому, какие лекарства являются эффективными, а какие — нет, и тому, какие препараты безопасны для человека.
Затем ученые использовали алгоритм ИИ для выявления потенциально безопасных, но мощных антибиотиков из миллионов химических веществ.
В отличие от людей, у ИИ нет предвзятых представлений, особенно о том, как должен выглядеть антибиотик. В итоге была обнаружена настоящая золотая жила кандидатов на звание лекарства будущего. Эти лекарства-кандидаты совершенно непохожи на существующие антибиотики. Например, халицин, с помощью которого можно будет лечить диабет, применять против кишечной палочки, туберкулеза и при воспалении толстой кишки.
Примечательно, что халицин может стать сильным лекарством против лекарственно-устойчивого Acinetobacter baumanni — эта бактерия возглавляет список самых смертельных патогенов, составленный организациями по контролю и профилактике заболеваний.
К сожалению, мощь халицина предполагает, что он также может уничтожать безвредные бактерии в нашем организме. У этого могут также быть метаболические побочные эффекты.
Сегодня также идет разработка ИИ для моделирования внутренней среды организма и прогнозирования токсичности лекарств и их побочных эффектов. Эти технологии вскоре решить проблему лекарственной устойчивости микробов и бактерий.
