کمک هوش مصنوعی به مبارزه با پاتوژن ها

به گزارش روابط پایگاه اطلاع رسانی علوم آزمایشگاهی ایران، 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 این دارو برای استفاده در بیماران ساخته شود، می تواند به مبارزه با Acinetobacter baumannii، گونه ای از باکتری که اغلب در بیمارستان ها یافت می شود و می تواند منجر به ذات الریه، مننژیت و سایر عفونت های جدی شود، کمک کند. این میکروب همچنین عامل اصلی عفونت در سربازان مجروح در عراق و افغانستان است.

آسینتوباکتر می تواند برای مدت طولانی روی دستگیره های درب و تجهیزات بیمارستان زنده بماند و ژن های مقاومت آنتی بیوتیکی را از محیط خود بگیرد.

جیمز کالینز، پروفسور ترمیر مهندسی پزشکی و علوم در مؤسسه مهندسی و علوم پزشکی MIT (IMES) و دپارتمان مهندسی بیولوژیک می گوید: این یافته بیشتر از این پیش فرض حمایت می کند که هوش مصنوعی می تواند به طور قابل توجهی جستجوی ما برای آنتی بیوتیک های 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 پاتوژن های مشکل زا مانند A. baumannii استفاده کنیم.

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

در اظهارات اولیه خود، محققان یک الگوریتم یادگیری ماشینی را برای شناسایی ساختارهای شیمیایی که می توانند رشد E. coli را مهار کنند، آموزش دادند. در صفحه نمایش بیش از 100 میلیون ترکیب، این الگوریتم مولکولی را به دست آورد که محققان آن را هالیسین نامیدند. آنها نشان دادند که این مولکول می تواند نه تنها E. coli بلکه چندین گونه باکتری دیگر را که به درمان مقاوم هستند از بین ببرد.

پس از آن مقاله، وقتی نشان دادند که این رویکردهای یادگیری ماشینی می توانند برای کارهای پیچیده کشف آنتی بیوتیک به خوبی کار کنند، توجه خود را به چیزی معطوف کردند که دشمن شماره 1 عمومی برای عفونت های باکتریایی مقاوم به چند دارو است که اسینتوباکتر است.

محققان برای به دست آوردن داده های آموزشی برای مدل محاسباتی خود، ابتدا A. baumannii را که در یک ظرف آزمایشگاهی رشد کرده بود، در معرض حدود 7500 ترکیب شیمیایی مختلف قرار دادند تا ببینند کدام یک می تواند مانع رشد میکروب شود. 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.

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. محققان 240 مورد را برای آزمایش تجربی در آزمایشگاه انتخاب کردند و بر روی ترکیباتی با ساختاری متفاوت از آنتی بیوتیک ها یا مولکول های موجود در داده های 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 A. baumannii بسیار موثر بود اما هیچ تاثیری بر سایر گونه های باکتری از جمله سودوموناس آئروژینوزا، استافیلوکوکوس اورئوس و انتروباکتریاسه مقاوم به carbapenem نداشت.

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 کمک می کند.

در مطالعاتی که روی موش ها انجام شد، محققان نشان دادند که این دارو که آنها آن را abaucin نامیدند، می تواند عفونت زخم ناشی از A. baumannii را درمان کند. آنها همچنین در آزمایشات آزمایشگاهی نشان دادند که این دارو در برابر انواع گونه های A. baumannii مقاوم به دارو که از بیماران انسانی جدا شده اند، کار می کند.

آزمایش های بیشتر نشان داد که این دارو با تداخل در فرآیندی به نام lipoprotein trafficking، که سلول ها از آن برای انتقال پروتئین ها از داخل سلول به پوشش سلولی استفاده می کنند، سلول ها را می کشد. 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 قرار دادن A. baumannii بسیار انتخابی است. آنها فرض می کنند که تفاوت های جزئی در نحوه انجام این کار توسط A. baumannii ممکن است دلیل انتخابی بودن دارو باشد.

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