دانشمندان از هوش مصنوعی برای شناسایی آنتی بیوتیک جدیدی استفاده می کنند که می تواند با عفونت های مقاوم به دارو مبارزه کند

محققان دانشگاه MIT و McMaster با استفاده از یک الگوریتم هوش مصنوعی، آنتی بیوتیک جدیدی را شناسایی کرده اند که می تواند نوعی باکتری را که مسئول بسیاری از عفونت های مقاوم به دارو است، از بین ببرد.

اگر برای استفاده در بیماران ساخته شود، این دارو می تواند به مبارزه با آن کمک کند اسینتوباکتر بومانینوعی باکتری که اغلب در بیمارستان ها یافت می شود و می تواند منجر به ذات الریه، مننژیت و سایر عفونت های جدی شود. این میکروب همچنین عامل اصلی عفونت در سربازان مجروح در عراق و افغانستان است.

“اسینتوباکتر می تواند روی دستگیره ها و تجهیزات بیمارستان برای مدت طولانی زنده بماند و ژن های مقاومت آنتی بیوتیکی را از محیط خود بگیرد. اکنون پیدا کردن آن واقعاً رایج است A. baumannii جاناتان استوکس، فوق دکترای سابق MIT که اکنون استادیار بیوشیمی و علوم بیوپزشکی در دانشگاه مک مستر است، می گوید: جدایه هایی که تقریباً به هر آنتی بیوتیکی مقاوم هستند.

محققان داروی جدید را از کتابخانه ای متشکل از 7000 ترکیب دارویی بالقوه با استفاده از یک مدل یادگیری ماشینی شناسایی کردند که آنها برای ارزیابی اینکه آیا یک ترکیب شیمیایی از رشد دارو جلوگیری می کند آموزش دیده اند. A. baumannii.

جیمز کالینز، پروفسور ترمیر مهندسی پزشکی و علوم در مؤسسه مهندسی و علوم پزشکی MIT (IMES) و دپارتمان مهندسی بیولوژیک می‌گوید: «این یافته بیشتر از این پیش‌فرض حمایت می‌کند که هوش مصنوعی می‌تواند به طور قابل‌توجهی جستجوی ما برای آنتی‌بیوتیک‌های جدید را تسریع و گسترش دهد». “من هیجان زده هستم که این کار نشان می دهد که ما می توانیم از هوش مصنوعی برای کمک به مبارزه با عوامل بیماری زا مانند A. baumannii“

کالینز و استوکس نویسندگان ارشد این مطالعه جدید هستند که امروز در این مقاله منتشر شده است زیست شناسی شیمیایی طبیعت. نویسندگان اصلی مقاله، دانشجویان فارغ التحصیل دانشگاه مک مستر، گری لیو و دنیس کاتاکوتان و کوشی راتود، فارغ التحصیل اخیر مک مستر هستند.

کشف مواد مخدر

در طول چند دهه گذشته، بسیاری از باکتری های بیماری زا به طور فزاینده ای نسبت به آنتی بیوتیک های موجود مقاوم شده اند، در حالی که آنتی بیوتیک های جدید بسیار کمی ساخته شده اند.

چندین سال پیش، کالینز، استوکس، و پروفسور رجینا بارزیلای MIT (که همچنین نویسنده این مطالعه جدید است)، با استفاده از یادگیری ماشینی، نوعی از هوش مصنوعی که می‌تواند الگوها را در ابعاد وسیعی یاد بگیرد، با این مشکل رو به رشد مبارزه کند. مقادیر داده کالینز و بارزیلای که به طور مشترک مدیریت کلینیک عبداللطیف جمیل MIT برای یادگیری ماشینی در سلامت را بر عهده دارند، امیدوارند که این رویکرد بتواند برای شناسایی آنتی بیوتیک های جدیدی که ساختار شیمیایی آنها با داروهای موجود متفاوت است استفاده شود.

در تظاهرات اولیه خود، محققان یک الگوریتم یادگیری ماشینی را برای شناسایی ساختارهای شیمیایی که می‌توانند مانع از رشد آن شوند، آموزش دادند. E. coli. در صفحه نمایش بیش از 100 میلیون ترکیب، این الگوریتم مولکولی را به دست آورد که محققان آن را هالیسین نامیدند، پس از سیستم هوش مصنوعی خیالی از “2001: A Space Odyssey”. آنها نشان دادند که این مولکول نه تنها می تواند بکشد E. coli اما چندین گونه باکتری دیگر که به درمان مقاوم هستند.

پس از آن مقاله، زمانی که نشان دادیم این رویکردهای یادگیری ماشینی می‌توانند برای کارهای پیچیده کشف آنتی‌بیوتیک به خوبی کار کنند، توجه خود را به چیزی معطوف کردیم که دشمن شماره 1 عمومی برای عفونت‌های باکتریایی مقاوم به چند دارو است. اسینتوباکتراستوکس می گوید.

برای به دست آوردن داده های آموزشی برای مدل محاسباتی خود، محققان ابتدا در معرض دید قرار گرفتند A. baumannii در یک ظرف آزمایشگاهی به حدود 7500 ترکیب شیمیایی مختلف رشد داده می شود تا ببینند کدام یک می توانند رشد میکروب را مهار کنند. سپس ساختار هر مولکول را وارد مدل کردند. آنها همچنین به مدل گفتند که آیا هر ساختار می تواند رشد باکتری را مهار کند یا خیر. این به الگوریتم اجازه داد تا ویژگی های شیمیایی مرتبط با مهار رشد را بیاموزد.

هنگامی که این مدل آموزش داده شد، محققان از آن برای تجزیه و تحلیل مجموعه ای از 6680 ترکیبی استفاده کردند که قبلاً ندیده بود و از مرکز استفاده مجدد از دارو در مؤسسه برود آمده بود. این تحلیل که کمتر از دو ساعت طول کشید، چند صد بازدید برتر را به همراه داشت. از این میان، محققان 240 مورد را برای آزمایش آزمایشی در آزمایشگاه انتخاب کردند و بر روی ترکیباتی با ساختاری متفاوت از آنتی‌بیوتیک‌ها یا مولکول‌های موجود در داده‌های آموزشی تمرکز کردند.

این آزمایشات 9 آنتی بیوتیک را نشان داد، از جمله یکی که بسیار قوی بود. این ترکیب که در ابتدا به عنوان یک داروی بالقوه دیابت مورد بررسی قرار گرفت، در کشتن بسیار موثر بود A. baumannii اما هیچ تاثیری بر سایر گونه های باکتری از جمله سودوموناس آئروژینوزا، استافیلوکوکوس اورئوسو مقاوم در برابر کارباپنم انتروباکتریاسه.

این توانایی کشتن “طیف باریک” یک ویژگی مطلوب برای آنتی بیوتیک ها است زیرا خطر گسترش سریع مقاومت باکتری ها در برابر دارو را به حداقل می رساند. مزیت دیگر این است که این دارو احتمالاً از باکتری های مفیدی که در روده انسان زندگی می کنند محافظت می کند و به سرکوب عفونت های فرصت طلب مانند کلستریدیوم دیفیسیل.

استوکس می‌گوید: «آنتی‌بیوتیک‌ها اغلب باید به‌صورت سیستمیک تجویز شوند، و آخرین کاری که می‌خواهید انجام دهید این است که باعث ایجاد دیس‌بیوز قابل‌توجه و باز کردن این بیماران از قبل بیمار در برابر عفونت‌های ثانویه شود».

یک مکانیسم جدید

در مطالعات انجام شده بر روی موش ها، محققان نشان دادند که این دارو که آبوسین نام دارد، می تواند عفونت زخم ناشی از A. baumannii. آنها همچنین در آزمایشات آزمایشگاهی نشان دادند که این دارو در برابر انواع مقاوم به داروها عمل می کند A. baumannii سویه های جدا شده از بیماران انسانی

آزمایش‌های بیشتر نشان داد که این دارو با تداخل در فرآیندی به نام قاچاق لیپوپروتئین که سلول‌ها از آن برای انتقال پروتئین‌ها از داخل سلول به پوشش سلولی استفاده می‌کنند، سلول‌ها را می‌کشد. به طور خاص، به نظر می رسد این دارو LolE، پروتئینی که در این فرآیند دخیل است را مهار می کند.

همه باکتری های گرم منفی این آنزیم را بیان می کنند، بنابراین محققان با شگفتی متوجه شدند که آبوسین در هدف گیری بسیار انتخابی است. A. baumannii. آنها فرض می کنند که تفاوت های جزئی در چگونگی A. baumannii انجام این کار ممکن است دلیل انتخابی بودن دارو باشد.

ما هنوز جمع‌آوری داده‌های آزمایشی را نهایی نکرده‌ایم، اما فکر می‌کنیم به این دلیل است A. baumannii قاچاق لیپوپروتئین را کمی متفاوت از سایر گونه های گرم منفی انجام می دهد. استوکس می‌گوید: ما معتقدیم که به همین دلیل است که این فعالیت طیف باریک را دریافت می‌کنیم.

آزمایشگاه استوکس اکنون با سایر محققان در مک مستر برای بهینه سازی خواص دارویی این ترکیب، به امید توسعه آن برای استفاده نهایی در بیماران، کار می کند.

محققان همچنین قصد دارند از رویکرد مدل سازی خود برای شناسایی آنتی بیوتیک های بالقوه برای سایر انواع عفونت های مقاوم به دارو، از جمله عفونت های ناشی از استافیلوکوکوس اورئوس و سودوموناس آئروژینوزا.

این تحقیق توسط مرکز اکتشاف آنتی‌بیوتیک دیوید برالی، بنیاد خانواده وستون، پروژه جسورانه، موسسه تحول دیجیتال C3.ai، کلینیک عبداللطیف جمیل برای یادگیری ماشینی در سلامت، DTRA کشف اقدامات متقابل پزشکی در برابر جدید و برنامه تهدیدات نوظهور، برنامه کشف مولکولی شتاب دار DARPA، مؤسسه تحقیقات بهداشتی کانادا، ژنوم کانادا، دانشکده علوم بهداشت دانشگاه مک مستر، خانواده بوریس، بورسیه تحصیلی مارشال، و برنامه تحقیقات بیولوژیکی و محیطی وزارت انرژی.