- Используя алгоритм машинного обучения, исследователи Массачусетского технологического института выявили новое мощное антибиотическое соединение. В ходе лабораторных испытаний препарат уничтожил многие из самых проблемных бактерий в мире, вызывающих заболевания, включая некоторые штаммы, которые устойчивы ко всем известным антибиотикам. Он также очищал от инфекций две различные модели мышей.
Компьютерная модель, способная за несколько дней проверить более ста миллионов химических соединений, предназначена для выбора потенциальных антибиотиков, которые убивают бактерии, используя различные механизмы, отличные от тех, которые используются в существующих лекарствах.
"Мы хотели разработать платформу, которая позволила бы нам использовать силу искусственного интеллекта, чтобы начать новую эру открытия антибиотиков", - говорит Джеймс Коллинз, профессор медицинской инженерии и науки в Институте медицинской инженерии и науки (IMES) Массачусетского технологического института (Массачусетский технологический институт) и кафедры биологической инженерии (отделение биологической инженерии). "Наш подход выявил эту удивительную молекулу, которая, возможно, является одним из самых мощных антибиотиков, которые были открыты".
В своем новом исследовании исследователи также выявили несколько других перспективных кандидатов на антибиотики, которые они планируют протестировать в дальнейшем. Они полагают, что модель также может быть использована для разработки новых лекарств, основываясь на том, что они узнали о химических структурах, которые позволяют лекарствам убивать бактерии.
"Модель машинного обучения может исследовать в кремнии большие химические пространства, которые могут быть непомерно дорогими для традиционных экспериментальных подходов", - говорит Регина Барзилай, профессор электротехники и компьютерных наук в Лаборатории компьютерных наук и искусственного интеллекта (CSAIL) Массачусетского технологического института (Массачусетский технологический институт).
Барзилай и Коллинз, являющиеся соруководителями факультета клиники Абдула Латифа Джамиля в Массачусетском технологическом институте (MIT) по изучению машин в области здравоохранения, являются старшими авторами исследования, которое сегодня появляется в Cell. Первым автором работы является Джонатан Стоукс, постдоктор Массачусетского технологического института (MIT) и Брод-Института Массачусетского технологического института (Broad Institute of MIT), а также Гарварда.
- За последние несколько десятилетий было разработано очень мало новых антибиотиков, и большинство из этих вновь одобренных антибиотиков представляют собой слегка отличающиеся друг от друга варианты существующих лекарств. Современные методы скрининга новых антибиотиков часто запретительно дороги, требуют значительных затрат времени и, как правило, ограничиваются узким спектром химического разнообразия.
"Мы сталкиваемся с растущим кризисом в области устойчивости к антибиотикам, и эта ситуация складывается как в связи с ростом числа патогенов, становящихся устойчивыми к существующим антибиотикам, так и в связи с анемией в биотехнологической и фармацевтической отраслях промышленности в поисках новых антибиотиков", - говорит Коллинз.
Чтобы попытаться найти совершенно новые соединения, он объединился с Барзилай, профессором Томми Яаккола, и их студентами Кевином Яном, Кайлом Свонсоном и Венгонг Джином, которые ранее разработали компьютерные модели машинного обучения, которые могут быть обучены анализировать молекулярные структуры соединений и соотносить их с определенными признаками, такими как способность убивать бактерии.
Идея использования прогностических компьютерных моделей для скрининга "in silico" не нова, но до сих пор эти модели были недостаточно точны, чтобы трансформировать открытие лекарства. Ранее молекулы представлялись в виде векторов, отражающих наличие или отсутствие определенных химических групп. Однако новые нейронные сети могут изучать эти представления автоматически, картируя молекулы в непрерывные векторы, которые впоследствии используются для предсказания их свойств.
В этом случае исследователи разработали свою модель для поиска химических особенностей, которые делают молекулы эффективными при убийстве кишечной палочки. Для этого они обучили модель примерно 2500 молекул, включая около 1700 одобренных FDA лекарств и набор из 800 натуральных продуктов с разнообразной структурой и широким спектром биологических активностей.
После того, как модель была обучена, исследователи протестировали ее на Центре широкого института по переработке лекарств, в котором хранится библиотека, включающая около 6000 соединений. Модель выбрала одну молекулу, которая, по прогнозам, обладала сильной антибактериальной активностью и химической структурой, отличающейся от всех существующих антибиотиков. Используя другую модель машинного обучения, исследователи также показали, что эта молекула, скорее всего, будет обладать низкой токсичностью для клеток человека.
Эта молекула, которую исследователи решили назвать галицином, после вымышленной системы искусственного интеллекта "2001: Космическая Одиссея", была ранее исследована в качестве возможного лекарства от сахарного диабета. Исследователи протестировали его против десятков бактериальных штаммов, выделенных из пациентов и выращенных в лабораторной посуде, и обнаружили, что она способна убить многих, резистентных к лечению, в том числе Clostridium difficile, Acinetobacter baumannii и Mycobacterium tuberculosis. Препарат работал против всех видов, которые они тестировали, за исключением Pseudomonas aeruginosa, трудно поддающегося лечению возбудителя легочных заболеваний.