Kraftfull antibiotika upptäcks för första gången med hjälp av maskininlärning
En kraftfull antibiotika som dödar några av de farligaste läkemedelsresistenta bakterierna i världen har upptäckts med hjälp av artificiell intelligens.
Läkemedlet fungerar på ett annat sätt än existerande antibakteriella läkemedel och är det första i sitt slag som upptäckts genom att artificiell intelligens släppt lös enorma digitala bibliotek med farmaceutiska föreningar.
Testerna visade att läkemedlet utplånade en rad antibiotikaresistenta bakteriestammar, däribland Acinetobacter baumannii och Enterobacteriaceae, två av de tre högprioriterade patogener som Världshälsoorganisationen rankar som ”kritiska” för nya antibiotika att rikta sig mot.
”När det gäller upptäckt av antibiotika är detta absolut en nyhet”, säger Regina Barzilay, senior forskare i projektet och specialist på maskininlärning vid Massachusetts Institute of Technology (MIT).
”Jag tror att detta är en av de kraftfullare antibiotika som har upptäckts hittills”, tillägger James Collins, bioingenjör i teamet vid MIT. ”Det har en anmärkningsvärd aktivitet mot ett brett spektrum av antibiotikaresistenta patogener.”
Antibiotikaresistens uppstår när bakterier muterar och utvecklas för att kringgå de mekanismer som antimikrobiella läkemedel använder för att döda dem. Utan nya antibiotika för att hantera resistens kan 10 miljoner liv runt om i världen riskeras varje år på grund av infektioner år 2050, varnade Cameron-regeringens O’Neill-rapport.
För att hitta nya antibiotika tränade forskarna först en algoritm för djupinlärning för att identifiera den typ av molekyler som dödar bakterier. För att göra detta matade de programmet med information om de atomära och molekylära egenskaperna hos nästan 2 500 läkemedel och naturföreningar, och hur väl eller inte substansen blockerade tillväxten av bakterien E coli.
När algoritmen hade lärt sig vilka molekylära egenskaper som gjorde den till en bra antibiotika, satte forskarna den i arbete på ett bibliotek med mer än 6 000 föreningar som undersöks för att behandla olika sjukdomar hos människor. I stället för att leta efter alla potentiella antimikrobiella medel fokuserade algoritmen på föreningar som såg effektiva ut men som inte liknade befintliga antibiotika. Detta ökade chansen att läkemedlen skulle fungera på radikalt nya sätt som insekterna ännu inte hade utvecklat resistens mot.
Jonathan Stokes, förstaförfattare till studien, sade att det tog några timmar för algoritmen att utvärdera föreningarna och komma fram till några lovande antibiotika. En av dem, som forskarna döpte till ”halicin” efter Hal, den astronautstörande AI:n i filmen 2001: A Space Odyssey, såg särskilt potent ut.
I tidskriften Cell beskriver forskarna hur de behandlade ett stort antal läkemedelsresistenta infektioner med halicin, en förening som ursprungligen utvecklades för att behandla diabetes, men som föll i glömska innan den nådde kliniken.
Tester på bakterier som samlats in från patienter visade att halicin dödade Mycobacterium tuberculosis, det virus som orsakar tuberkulos, och stammar av Enterobacteriaceae som är resistenta mot karbapenemer, en grupp antibiotika som anses vara den sista utvägen för sådana infektioner. Halicin avhjälpte också infektioner med C difficile och multiresistenta Acinetobacter baumannii-infektioner hos möss.
För att leta efter fler nya läkemedel vände sig teamet till en massiv digital databas med cirka 1,5 miljarder föreningar. De satte algoritmen i arbete på 107 miljoner av dessa. Tre dagar senare returnerade programmet en kort lista med 23 potentiella antibiotika, varav två verkar vara särskilt potenta. Forskarna har nu för avsikt att söka i fler delar av databasen.
Stokes sade att det skulle ha varit omöjligt att screena alla 107 miljoner föreningar på det konventionella sättet att skaffa eller tillverka ämnena och sedan testa dem i laboratoriet. ”Att kunna utföra dessa experiment i datorn minskar dramatiskt tiden och kostnaden för att undersöka dessa föreningar”, sade han.
Barzilay vill nu använda algoritmen för att hitta antibiotika som är mer selektiva när det gäller vilka bakterier de dödar. Detta skulle innebära att antibiotikan endast dödar de bakterier som orsakar en infektion och inte alla friska bakterier som lever i tarmen. Mer ambitiöst är att forskarna vill använda algoritmen för att utforma nya potenta antibiotika från grunden.
”Arbetet är verkligen anmärkningsvärt”, säger Jacob Durrant, som arbetar med datorstödd läkemedelsdesign vid University of Pittsburgh. ”Deras tillvägagångssätt belyser kraften i datorstödd läkemedelsforskning. Det skulle vara omöjligt att fysiskt testa över 100 miljoner föreningar för antibiotisk aktivitet.”
”Med tanke på de typiska kostnaderna för läkemedelsutveckling, både när det gäller tid och pengar, har alla metoder som kan påskynda läkemedelsupptäckten i ett tidigt skede potential att få stor betydelse”, tillade han.
{{topLeft}}
{{bottomLeft}}
{{topRight}}
{{bottomRight}}
.
{{/goalExceededMarkerPercentage}}
{{/ticker}}
{{heading}}
{{#paragraphs}}
{{.}}
{{/paragraphs}}}{{highlightedText}}
- Dela på Facebook
- Dela på Twitter
- Dela via e-post
- Dela på LinkedIn
- Dela på Pinterest
- Dela på WhatsApp
- Dela på Messenger
.