Dirbtinis intelektas (DI) vis labiau keičia mediciną – mokslininkai, pasitelkę šią technologiją, praneša aptikę pirmąją naują antibiotikų klasę per daugiau nei 60 metų.
Naujo junginio, galinčio naikinti vaistams atsparias bakterijas, atradimas gali tapti svarbiu lūžiu kovoje su antibiotikų atsparumu. Ypač daug dėmesio skirta meticilinui atspariai auksinio stafilokoko atmainai (MRSA), kuri kasmet nusineša tūkstančius gyvybių visame pasaulyje.
„Pagrindinė įžvalga buvo ta, kad galėjome matyti, ką modeliai išmoksta ir kuo remdamiesi prognozuoja, jog tam tikros molekulės gali tapti gerais antibiotikais“, – teigiama vieno iš tyrimo autorių, Masačusetso technologijos instituto (MIT) Medicinos inžinerijos ir mokslo profesoriaus Jameso Collinso pareiškime.
„Mūsų darbas pateikia sistemą, kuri taupo laiką ir išteklius bei leidžia geriau suprasti mechanizmą cheminių struktūrų požiūriu – taip, kaip iki šiol neturėjome galimybės“, – pridūrė jis.
Tyrimo rezultatai paskelbti žurnale „Nature“. Straipsnį bendraautoriais pasirašė 21 tyrėjas.
Tyrimo tikslas – „atverti juodąją dėžę“
Projekto komanda naudojo giliojo mokymosi modelį, kad prognozuotų naujo junginio aktyvumą ir galimą toksiškumą.
Gilusis mokymasis – tai metodas, kai dirbtiniai neuroniniai tinklai mokosi iš duomenų ir patys išskiria svarbius požymius be tiesioginio programavimo. Šis metodas vis dažniau taikomas vaistų paieškai: jis padeda greičiau identifikuoti galimus kandidatus, prognozuoti jų savybes ir optimizuoti vaistų kūrimo procesą.
Šiuo atveju tyrėjai susitelkė į MRSA – infekcijas, kurios gali svyruoti nuo lengvų odos pažeidimų iki sunkių, gyvybei pavojingų būklių, tokių kaip plaučių uždegimas ar kraujo užkrėtimas.
Pagal Europos ligų prevencijos ir kontrolės centro duomenis, Europos Sąjungoje kasmet užfiksuojama beveik 150 tūkst. MRSA infekcijų, o nuo antimikrobinėms medžiagoms atsparių infekcijų bloke per metus miršta apie 35 tūkst. žmonių.
MIT tyrėjai apmokė gerokai išplėstą giliojo mokymosi modelį, pasitelkdami didesnius duomenų rinkinius. Mokymui buvo įvertinta apie 39 tūkst. junginių, nustatant jų antibiotines savybes prieš MRSA. Vėliau šie duomenys kartu su informacija apie junginių cheminę struktūrą buvo pateikti modeliui.
„Šiame tyrime siekėme atverti juodąją dėžę. Šie modeliai susideda iš milžiniško skaičiaus skaičiavimų, imituojančių neuroninius ryšius, ir iš esmės niekas tiksliai nežino, kas vyksta jų viduje“, – sakė MIT ir Harvardo podoktorantūros tyrėjas Felixas Wongas, vienas pagrindinių tyrimo autorių.
Naujo junginio paieška
Kad atranka būtų tikslesnė, mokslininkai pasitelkė dar tris giliojo mokymosi modelius. Jie buvo apmokyti vertinti junginių toksiškumą trims skirtingiems žmogaus ląstelių tipams.
Suderinę toksiškumo prognozes su anksčiau įvertintu antimikrobiniu aktyvumu, tyrėjai atrinko junginius, kurie, tikėtina, veiksmingai naikina mikrobus, tačiau kuo mažiau kenkia žmogaus organizmui.
Pasitelkus šią modelių sistemą, buvo patikrinta maždaug 12 mln. komerciškai prieinamų junginių. Modeliai išskyrė junginius iš penkių skirtingų klasių – jos sugrupuotos pagal tam tikras chemines molekulių substruktūras – kuriems prognozuotas aktyvumas prieš MRSA.
Vėliau tyrėjai įsigijo apie 280 tokių junginių ir laboratorijoje išbandė juos prieš MRSA. Taip pavyko identifikuoti du perspektyvius antibiotikų kandidatus iš tos pačios klasės.
Bandymuose su dviem pelių modeliais – vienu, imituojančiu MRSA odos infekciją, ir kitu, atitinkančiu sisteminę MRSA infekciją – kiekvienas iš šių junginių sumažino MRSA bakterijų kiekį dešimteriopai.
Leave a Reply