آنتی‌بیوتیک‌های جدید
هوش مصنوعی در پزشکی

هوش مصنوعی و کمک برای کشف آنتی‌بیوتیک‌های جدید

سرفصل‌های مقاله

مهندسان زیستی از هوش مصنوعی (AI) برای بازگرداندن مولکول‌ها از مردگان و بدست آوردن آنتی‌بیوتیک‌های جدید استفاده کرده‌اند. برای انجام این «انقراض‌زدایی» (انقراض معکوس) مولکولی، محققان روش‌های محاسباتی را روی داده‌های مربوط به پروتئین‌های انسان‌های امروزی (هوموساپینس) و اقوام منقرض‌شده ما، نئاندرتال‌ها (هومو نئاندرتالنسیس) و انسان‌تبارهای «دنیسووا» اعمال کردند.

 این روش به محققان امکان داد تا مولکول‌هایی را شناسایی کنند که قادرند باکتری‌های عامل بیماری را از بین برده و همچنین می‌توانند الهام‌بخش داروهای جدیدی برای درمان عفونت‌های انسانی باشند.

«سزار دلا فوئنته» یکی از نویسندگان این مطالعه و مهندس زیستی در دانشگاه پنسیلوانیا در فیلادلفیا، می‌گوید: «انگیزه ما برای بازگرداندن مولکول‌ها از گذشته، رسیدگی به مشکلاتی است که امروز داریم.»

این مطالعه روز 28 جولای در ژورنال Cell Host & Microbe1 منتشر شده است.

هوش مصنوعی و کشف آنتی‌بیوتیک‌های جدید

آنتی‌بیوتیک‌های جدید
هوش مصنوعی و کشف آنتی‌بیوتیک‌های جدید

توسعه آنتی‌بیوتیک در چند دهه گذشته کند شده است و بیشتر آنتی‌بیوتیک‌های جدید که امروزه تجویز می‌شوند، بیش از 30 سال است که در بازار هستند. در همین حال، باکتری‌های مقاوم به آنتی بیوتیک در حال افزایش هستند، بنابراین به زودی موجی از روش‌های درمانی جدید مورد نیاز انسان خواهد بود.

بسیاری از ارگانیسم‌ها، زیرواحدهایِ پروتئینیِ کوتاهی به نام «پپتید» تولید می‌کنند که دارای خواص ضدمیکروبی هستند. تعداد انگشت‌شماری از پپتیدهای ضدمیکروبی که بیشتر آن‌ها از باکتری‌ها جدا شده بودند، در حال حاضر در حال استفاده بالینی هستند.

پروتئین‌های گونه‌های منقرض شده می‌توانند منبعی دست‌نخورده برای توسعه آنتی‌بیوتیک‌ها باشند. این واقعیتی است که «دلا فوئنته» و همکارانش تا حدی از یک فیلم پرفروش کلاسیک الهام گرفته‌اند. او می‌گوید: «ما واقعا به پارک ژوراسیک فکر کردیم. به جای بازگرداندن دایناسورها به زندگی، همان‌طور که دانشمندان در فیلم اسپیبلرگ انجام دادند، به این ایده عملی‌تر رسیدیم که چرا مولکول‌ها را بازنگردانیم؟»

محققان یک الگوریتم هوش مصنوعی را آموزش دادند تا مکان‌هایی را روی پروتئین‌های انسانی که حاوی پپتید هستند، شناسایی کند.

 برای یافتن پپتیدهای جدید، این تیم الگوریتم خود را روی توالی‌های پروتئینی در دسترس عموم  و نقشه‌های آمینواسیدهای موجود در سه مدل از پروتئین‌های انسان امروزی، نئاندرتال‌ها و دنیسووا اعمال کردند. سپس محققان از خواص پپتیدهای ضدمیکروبی که قبلا توصیف شده بودند، برای پیش‌بینی این‌که کدام‌یک از این پپتیدهای جدید ممکن است باکتری‌ها را بکشند، استفاده کردند.

یافتن و آزمایش گزینه‌های دارویی با استفاده از هوش مصنوعی تنها چند هفته طول می‌کشددر حالی‌که که فرایند کشف یک آنتی‌بیوتیک جدید با استفاده از روش‌های قدیمی، بین سه تا شش سال طول می‌کشید.

آنتی‌بیوتیک‌های باستانی

محققان ده‌ها پپتید را آزمایش کردند تا ببینند آیا می‌توانند باکتری‌ها را در ظروف آزمایشگاهی از بین ببرند یا خیر. سپس شش پپتید قوی ( چهار مورد از انسان امروزی، یکی از نئاندرتال‌ها و یکی از دنیسوواها ) را انتخاب و آن‌ها را به موش‌های آلوده به باکتری Acinetobacter baumannii، که عامل شایع عفونت‌های بیمارستانی است تزریق کردند.

هر شش پپتید رشد باکتری A. baumannii در عضله ران را متوقف کردند، اما هیچ‌کدام باکتری را از بین نبردند. پنج تا از مولکول‌ها، باکتری‌هایی را که در آبسه‌های پوستی رشد می‌کردند از بین بردند، اما به پوست ضربه سنگینی وارد شد. «ناتانیل گری» زیست‌شناس شیمی در دانشگاه استنفورد در کالیفرنیا، می‌گوید که دوزهای استفاده شده در این آزمایش «بسیار زیاد» بود.

«دلا فوئنته» می‌گوید اصلاح موفق‌ترین مولکول‌ها می‌تواند به ایجاد نسخه‌های موثرتری منجر شود. به همین ترتیب، تغییر الگوریتم می‌تواند شناسایی پپتید ضد‌میکروبی را با نتایج مثبت کاذب کمتری بهبود بخشد.

 «دلا فوئنته» توضیح می‌دهد: «اگرچه الگوریتمی که ما استفاده کردیم، مولکول‌های شگفت‌انگیزی تولید نکرد، اما من فکر می‌کنم این مفهوم و چارچوب، راه کاملا جدیدی را برای تفکر در مورد کشف دارو نشان می‌دهد.»

در عین حال «ناتانیل گری» می‌گوید: «این ایده بزرگ بسیار جالب است. اما تا زمانی که این الگوریتم نتواند پپتیدهای مرتبط بالینی را با درجه موفقیت بالاتری نسبت به الان پیش‌بینی کند، بعید است که بازگرداندن مولکول‌ها بتواند کمک شایانی به کشف داروهای جدید کند.»

«یوان اشلی» متخصص ژنومیک و سلامت در دانشگاه استنفورد در کالیفرنیا، از دیدن رویکرد جدیدی در زمینه توسعه آنتی‌بیوتیک که مورد مطالعه قرار نگرفته است، هیجان‌زده است. او می‌گوید: «دلا فوئنته و همکارانش من را متقاعد کردند که غواصی در ژنوم باستانی انسان یک رویکرد جالب و بالقوه مفید است».

مهران
مهران