Aby dać nadzieję na zwiększenie popytu na bezpieczniejsze i skuteczniejsze antybiotyki dla ludzi, naukowcy z University of Texas w Austin wykorzystali sztuczną inteligencję do opracowania nowego leku, który już daje obiecujące wyniki w badaniach na zwierzętach.

Publikowanie wyników w Inżynieria biomedyczna naturyNaukowcy opisują wykorzystanie dużego modelu językowego – narzędzia AI, podobnego do tego, które obsługuje ChatGPT – do opracowania wersji leku zabijającego bakterie, który wcześniej był toksyczny dla ludzi, dzięki czemu jego stosowanie byłoby bezpieczne.

Rokowanie dla pacjentów z niebezpiecznymi infekcjami bakteryjnymi pogorszyło się w ostatnich latach, ponieważ rozprzestrzeniają się szczepy bakterii oporne na antybiotyki, a rozwój nowych opcji leczenia został zatrzymany. Jednak naukowcy z UT twierdzą, że narzędzia AI zmieniają zasady gry.

„Odkryliśmy, że duże modele językowe to duży krok naprzód w zastosowaniach uczenia maszynowego w inżynierii białek i peptydów” — powiedział Claus Wilke, profesor biologii integracyjnej, statystyki i nauk o danych oraz współautor nowego artykułu. „Wiele przypadków użycia, które nie były wykonalne przy użyciu poprzednich podejść, zaczyna teraz działać. Przewiduję, że te i podobne podejścia będą szeroko stosowane w celu opracowywania terapii lub leków w przyszłości”.

Duże modele językowe, czyli LLM, zostały pierwotnie zaprojektowane do generowania i eksplorowania sekwencji tekstu, ale naukowcy znajdują kreatywne sposoby na zastosowanie tych modeli w innych domenach. Na przykład, tak jak zdania składają się z sekwencji słów, białka składają się z sekwencji aminokwasów. LLM grupują razem słowa, które mają wspólne atrybuty (takie jak kot, pies i chomik) w tym, co jest znane jako „przestrzeń osadzania” z tysiącami wymiarów. Podobnie, białka o podobnych funkcjach, takich jak zdolność do zwalczania niebezpiecznych bakterii bez szkody dla ludzi, którzy są gospodarzami tych bakterii, mogą grupować się razem w swojej własnej wersji przestrzeni osadzania AI.

„Przestrzeń zawierająca wszystkie cząsteczki jest ogromna” – powiedział Davies, współautor nowego artykułu. „Uczenie maszynowe pozwala nam znaleźć obszary przestrzeni chemicznej, które mają interesujące nas właściwości, i może to zrobić o wiele szybciej i dokładniej niż standardowe podejścia laboratoryjne polegające na badaniu pojedynczych cząsteczek na raz”.

W ramach tego projektu naukowcy wykorzystali sztuczną inteligencję, aby zidentyfikować sposoby przeprojektowania istniejącego antybiotyku o nazwie Protegrin-1, który jest świetny w zabijaniu bakterii, ale toksyczny dla ludzi. Protegrin-1, który jest naturalnie wytwarzany przez świnie w celu zwalczania infekcji, jest częścią podtypu antybiotyków zwanych peptydami przeciwdrobnoustrojowymi (AMP). AMP zazwyczaj zabijają bakterie bezpośrednio, zakłócając błony komórkowe, ale wiele z nich ma na celu zarówno błony komórkowe bakterii, jak i ludzi.

Najpierw naukowcy zastosowali opracowaną wcześniej metodę wysokoprzepustową, aby stworzyć ponad 7000 wariantów protegryny-1 i szybko zidentyfikować obszary AMP, które można zmodyfikować bez utraty jego aktywności antybiotycznej.

Następnie wytrenowali białkowy LLM na podstawie tych wyników, aby model mógł ocenić miliony możliwych wariantów dla trzech cech: selektywnego ukierunkowania błon bakteryjnych, skutecznego zabijania bakterii i nieszkodzenia ludzkim czerwonym krwinkom, aby znaleźć te, które znalazły się w idealnym punkcie wszystkich trzech. Następnie model pomógł zespołowi w opracowaniu bezpieczniejszej, skuteczniejszej wersji Protegrin-1, którą nazwali bakteryjnie selektywną Protegrin-1.2 (bsPG-1.2).

U myszy zakażonych bakteriami opornymi na wiele leków i leczonych bsPG-1.2 prawdopodobieństwo wykrycia bakterii w narządach sześć godzin po zakażeniu było znacznie mniejsze w porównaniu z myszami nieleczonymi. Jeśli dalsze testy przyniosą podobnie pozytywne wyniki, naukowcy mają nadzieję, że ostatecznie uda się wprowadzić wersję leku antybiotykowego opartego na sztucznej inteligencji do badań na ludziach.

„Wpływ uczenia maszynowego jest dwojaki” – powiedział Davies. „Wskaże nowe cząsteczki, które mogą mieć potencjał, aby pomóc ludziom, i pokaże nam, jak możemy wziąć te istniejące cząsteczki antybiotyków i ulepszyć je, a także skupić naszą pracę, aby szybciej wprowadzić je do praktyki klinicznej”.

Projekt ten pokazuje, w jaki sposób naukowcy akademiccy rozwijają sztuczną inteligencję, aby sprostać potrzebom społeczeństwa, co jest kluczowym tematem tegorocznego Uniwersytetu Teksańskiego w Austin, który ogłosił rok 2024 Rokiem Sztucznej Inteligencji.

Pozostałymi autorami badania są adiunkt Justin Randall i student Luiz Vieira, obaj z UT Austin.

Finansowanie badań zapewniły Narodowe Instytuty Zdrowia, Fundacja Welch, Agencja Redukcji Zagrożeń Obronnych i Tito’s Handmade Vodka.



Source link