Когда-то провозглашенные медицинским чудом, антибиотики теряют свою эффективность из-за быстрого повышения бактериального иммунитета. Исследователи изо всех сил пытаются идти в ногу с эволюцией, и в настоящее время они изучают, как машинное обучение может быть применено к микробиологии для разработки более эффективных методов лечения.
В прошлом исследователи изучали поведение бактерий и использовали полученные результаты для борьбы с естественными моделями бактериальной жизни. В 1980-х годах компьютерные методы скрининга помогли исследователям в их усилиях, но в результате их работы появилось мало достижений. Казалось, что новых антибиотиков традиционными методами не найти, и фармацевтические компании отказались от финансирования разработки антибиотиков в пользу более прибыльных препаратов, используемых для лечения хронических заболеваний. Но новая область исследований указывает путь вперед благодаря огромным достижениям в области вычислений, которые произошли за прошедшие десятилетия.
Среди первых исследователей в этой области — Сезар де Ла Фуэнте, доцент кафедры психиатрии, микробиологии и биоинженерии при президенте. Де Ла Фуэнте ускоряет открытие новых антибиотиков с помощью своего Центра перепрофилирования лекарств, библиотеки из более чем 6000 соединений, которая использует алгоритмы машинного обучения для поиска возможных решений для болезней человека. С помощью своей библиотеки соединений де Ла Фуэнте может исследовать препараты, уже одобренные FDA, и искать новые, более эффективные применения.
В дополнение к этой работе де Ла Фуэнте и его коллеги заинтересованы в использовании машинного обучения для разработки инновационных лекарств. В его лаборатории используется платформа машинного обучения для создания новых молекул in silico и проведения над ними экспериментов. Как только результаты экспериментов поступают, они передаются обратно в компьютер, чтобы платформа машинного обучения могла постоянно учиться и улучшать свои выводы на основе данных.
В недавнем интервью Кэтрин Хармон Кураж в журнале Quanta Magazine де Ла Фуэнте сказал:
«Гипотеза состоит в том, что у природы закончилось вдохновение, чтобы предоставить нам новые антибиотики. Вот почему мы думаем, что машины… могли бы разнообразить природные молекулы, чтобы преобразовать их в синтетические версии, которые были бы гораздо более эффективными».
Подробнее о работе де Ла Фуэнте и других исследователей, изучающих вычислительный дизайн новых антибиотиков, читайте в журналах Quanta Magazine или The Atlantic.
