Dzięki przeprowadzonej przez sztuczną inteligencję analizie właściwości milionów związków chemicznych udało się znaleźć nowe substancje, które zabijają bakterie lekooporne – informuje „Nature”.
Oporność na antybiotyki tylko w roku 2019 spowodowała śmierć ponad 1,2 mln osób. Wszystko wskazuje, że liczba ta jeszcze wzrośnie w nadchodzących dziesięcioleciach.
Dr Felix Wong z Massachusetts Institute of Technology (MIT) oraz jego współpracownicy chcieli wykazać, że odkrywanie leków pod kontrolą sztucznej inteligencji może wykraczać poza identyfikację konkretnych celów, z którymi mogą się wiązać cząsteczki leku i przewidywać biologiczne skutki całych klas związków lekopodobnych. Stosowane przez nich modele pozwlają na podstawie struktury chemicznej nie tylko ustalić, które związki wykazują selektywne działanie antybiotykowe, ale także dlaczego tak się dzieje.
Najpierw przetestowali wpływ ponad 39 000 związków na chorobotwórczą bakterię – gronkowca złocistego (Staphylococcus aureus) oraz trzy typy ludzkich komórek - z wątroby, mięśni szkieletowych i płuc. Wyniki stały się danymi szkoleniowymi dla modeli sztucznej inteligencji, umożliwiającymi poznanie potencjalnego wpływu wzorców atomów i wiązań chemicznych każdego związku. Umożliwiło to sztucznej inteligencji przewidzenie zarówno aktywności przeciwbakteryjnej takich związków, jak i ich potencjalnej toksyczności dla komórek ludzkich.
Tak wyszkolone modele sztucznej inteligencji przeanalizowały następnie symulacje komputerowe 12 milionów związków, aby znaleźć 3646 o właściwościach najbardziej przypominających leki. Dodatkowe obliczenia pozwoliły zidentyfikować podstruktury chemiczne, które mogą wyjaśnić właściwości każdego związku.
Porównując takie podstruktury w różnych związkach, naukowcy zidentyfikowali nowe klasy potencjalnych antybiotyków i ostatecznie odkryli dwa nietoksyczne związki, zdolne do zabijania zarówno MRSA, jak i enterokoków opornych na wankomycynę (zwykle stosowana w zakażeniach MRSA).
Testy na myszach z zakażeniami skóry i głębiej położonych tkanek wykazały, że nowe antybiotyki mogą być skuteczne w leczeniu zakażeń zarówno opornymi na metycylinę Staphylococcus aureus (MRSA), jak i bateriami Enterococcus, opornymi na wankomycynę.
Tylko nieliczne nowe klasy antybiotyków, takie jak oksazolidynony i lipopeptydy, sprawdzają się zarówno przeciwko MRSA, jak i bakteriom opornym na wankomycynę. Jak podkreślają autorzy, ich praca pozwoliła zidentyfikować jedną z niewielu od 60 lat nową klasę antybiotyków, która uzupełnia inne leki tego typu.
Badania wspomagane przez sztuczną inteligencję mogą być wykorzystywane nie tylko do projektowania zupełnie nowych antybiotyków, ale i odkrywania innych nowych klas leków, chociażby związków, które selektywnie zabijają starzejące się, uszkodzone komórki biorące udział w powstawaniu na przykład choroby zwyrodnieniowej stawów i nowotworów. Więcej - w artykule źródłowym (DOI: 10.1038/s41586-023-06887-8). (PAP)
Autor: Paweł Wernicki
pmw/ zan/
Fundacja PAP zezwala na bezpłatny przedruk artykułów z Serwisu Nauka w Polsce pod warunkiem mailowego poinformowania nas raz w miesiącu o fakcie korzystania z serwisu oraz podania źródła artykułu. W portalach i serwisach internetowych prosimy o zamieszczenie podlinkowanego adresu: Źródło: naukawpolsce.pl, a w czasopismach adnotacji: Źródło: Serwis Nauka w Polsce - naukawpolsce.pl. Powyższe zezwolenie nie dotyczy: informacji z kategorii "Świat" oraz wszelkich fotografii i materiałów wideo.
