Открытие химического соединения со свойствами антибиотика является полезным тематическим исследованием возможностей и ограничений использования искусственного интеллекта. разрабатывать новые методы лечения
В конце февраля в журнале Cell появилась статья с обнадеживающими новостями об одной из самых серьезных проблем общественного здравоохранения в мире. Исследователи из Массачусетского технологического института и Гарвардского университета с помощью искусственного интеллекта идентифицировали химическое соединение с мощными антибиотическими свойствами против некоторых из наиболее устойчивых к лекарствам штаммов бактерий - долгожданное открытие в мире, где ежегодно умирают 700 000 человек от лекарственно-устойчивые инфекции. Это был первый раз, когда антибактериальное соединение было идентифицировано таким образом. Исследователи назвали его халицин в честь компьютера HAL из фильма 2001: Космическая одиссея.
Хотя глобальная потребность в новых антибиотиках для лечения лекарственно-устойчивых инфекций столь же остра, как и в начале года, внимание мира было отвлечено новой пандемией коронавируса и охотой за вакциной, которая может остановить распространение Covid. Как и новые антибиотики, доставка новых вакцин обычно занимает до 10 лет. В случае вакцины Covid ученые отчаянно работают над сокращением этого срока. Машинное обучение стало жизненно важным инструментом в борьбе с Covid, поскольку алгоритмы помогают сортировать огромные груды накапливаемых данных и сокращать количество потенциальных кандидатов для вакцин.
Устойчивые к антибиотикам супербактерии могут быть хуже, чем Covid-19
Автор книги« Биография устойчивости: эпическая битва между людьми и патогенами объясняет недооцененный и… onezero.medium.com »
Статья о галицине - это полезный пример того, как машинное обучение может быть мощным инструментом в поиске труднодостижимых методов лечения. Это также подчеркивает ограничения искусственного интеллекта. Идентификация нового антибиотического соединения, такого как галицин, - это лишь первый маленький шаг в многолетнем процессе оценки того, можно ли из этого соединения превратить в безопасный и эффективный антибиотик. Вакцина - намного более сложный препарат, чем антибиотик, и хотя алгоритмы могут указывать ученым на перспективные выводы для изучения, они не могут выполнять работу по тестированию в реальных условиях.
«В конце концов, вам все равно придется проводить эксперименты в лаборатории».
«Все прогнозы, которые делает любая модель, - это просто прогнозы», - сказал Джонатан Стоукс, доктор философии, научный сотрудник лаборатории Джеймса Дж. Коллинза Массачусетского технологического института и ведущий автор статьи. «Модели, безусловно, могут направить ваши эксперименты и указать правильное направление. В конце концов, вам все равно придется проводить эксперименты в лаборатории ».
Халицин вырос из проекта Клиники машинного обучения в здравоохранении Абдул Латифа Джамиля при Массачусетском технологическом институте, целью которого является определение способов, с помощью которых искусственный интеллект может сделать открытие антибиотиков более быстрым и экономичным. Существует множество потенциально бактерицидных веществ: исследователи обнаружили антибактериальные микробы во всем: от почвы до крови дракона Комодо и Далека, припаркованного в вестибюле штаб-квартиры BBC для продвижения шоу Доктор Кто . Но процесс определения того, какое из этих миллионов соединений может безопасно и эффективно лечить инфекции у людей, а затем превращение их в настоящие лекарства, требует много времени и средств.
К счастью, поиск установленных закономерностей в море данных - это то, что умные машины делают очень хорошо. Команда построила нейронную сеть - алгоритм, который в общих чертах смоделирован по структуре человеческого мозга. Они проверили библиотеку из 2335 химических веществ, чтобы узнать, что случилось с E. coli при воздействии химикатов и использовал эти результаты для обучения алгоритма распознаванию химических соединений, подавляющих рост бактерий.
Затем они применили эту модель примерно к 6000 соединениям в Центре перепрофилирования лекарств Broad Institute’s Drug Repurposing Hub, библиотеке одобренных Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США химических веществ, доступных исследователям, стремящимся найти лекарства от новых болезней среди лекарств, изначально разработанных для другой цели. Аппарат обнаружил соединение из лекарства от диабета, которое очень хорошо убивает бактерии и сильно отличается по структуре от существующих антибиотиков, что делает его многообещающим претендентом на лечение бактерий, устойчивых к существующим лекарствам. За исключением одного высокорезистентного легочного патогена, галицин работал против всех видов бактерий, на которых его тестировали, включая многие штаммы с высокой устойчивостью к лечению.
Вернувшись в лабораторию, исследователи дали препарат мышам, инфицированным штаммом патогена A. baumannii, который оказался невосприимчивым ко всем доступным в настоящее время антибиотикам. Ошибка поразила солдат США, дислоцированных в Ираке и Афганистане. Мазь с галицином полностью избавила мышей от инфекции в течение 24 часов.
Ободренные результатами с галицином, исследователи решили опробовать модель на наборе данных, который было бы практически невозможно проанализировать в одиночку. Они заставили алгоритм работать, анализируя набор из примерно 107 миллионов химических соединений с известными антибактериальными свойствами, взятых из более крупной химической библиотеки.
«Я подсчитал: если бы я проводил скрининг почти весь день каждый день, мне потребовалось бы около 14 лет, чтобы отследить 107 миллионов молекул в лаборатории», - сказал Стоукс. Машинка сделала это за три дня. Он выявил 23 кандидата, которые соответствовали критериям исследователей, два из которых оказались особенно многообещающими в первых лабораторных тестах.
Определение такого соединения, как галицин, - это только первый шаг в долгом процессе создания настоящего антибиотического препарата. В ранних доклинических исследованиях химическое соединение, по-видимому, имеет как сильные антибиотические свойства, так и химическую структуру, сильно отличающуюся от существующих антибиотиков, что означает, что у него может быть больше шансов против бактериальных штаммов, устойчивых к другим лекарствам.
Однако у машинного обучения есть свои пределы. Чтобы превратить доклиническое исследование в рыночный антибиотик, требуется примерно 10 лет и до 2 миллиардов долларов, и эти 10 лет включают в себя множество тестов на людях, которые нельзя сократить или передать на аутсорсинг машине. Исследователи до сих пор не знают, можно ли безопасно употреблять галицин людьми, и какие дозировки или составы будут безопасными и эффективными. В статье Cell показано, насколько полезен A.I. может быть для выявления потенциальных клиентов в новых методах лечения, в которых мы нуждаемся больше всего, но компьютер не может сказать нам, можно ли безопасно превратить какое-либо химическое вещество в лекарство.
«Пытаться научить иммунную систему чему-то, а не просто пытаться не убить ее, - это ступенчатое изменение сложности».
И в новостях, которые могут показаться обескураживающими практически для всех на планете: какими бы трудными и трудоемкими ни были разработка нового антибиотика, создание новой вакцины на несколько порядков сложнее.
Вакцина обучает иммунную систему распознавать и атаковать вирус или бактерии, и делает это, сначала имитируя части патогена, с которыми она должна бороться. Создание вещества, которое «пытается научить иммунную систему чему-то, а не просто пытаться не убить ее, - это шаг вперед в плане сложности», - сказал Адам Па, доктор философии, ученый-аналитик и доцент кафедры менеджмента Келлогга Северо-Западного университета. . Хорошие данные могут помочь построить хорошие модели, которые могут стать ценными инструментами для продвижения процесса вперед. Но нельзя сократить длительный и трудоемкий процесс проверки и повторного тестирования гипотез моделей.
Ваша модель может выдвигать некоторые идеи, но до тех пор, пока они не будут подвергнуты тестированию - по крайней мере, какого-либо анализа in vitro - они ничего не стоят, - сказал Дерек Лоу, доктор философии, лекарственный препарат. химик-открытие и автор блога In the Pipeline. Мы недостаточно знаем ни в одной области открытия лекарств - вакцинах, малых молекулах, антителах, что есть у вас - чтобы вычислить наш путь к ответу и быть уверенным, что он действительно сработает.
