آنتی بیوتیک برای بیماران مبتلا به بیماری التهابی روده ممکن است یک شمشیر دو برابر باشد. داروهای گسترده ، که اغلب برای تشدید روده تجویز می شوند ، می توانند میکروب های مفید و همچنین مواد مضر را از بین ببرد و گاهی اوقات علائم را با گذشت زمان بدتر می کند. در حالی که با التهاب روده مبارزه می کنید ، همیشه نمی خواهید یک سورتمه را به یک مبارزه با چاقو بیاورید.
محققان آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT (CSAIL) و دانشگاه مک مستر یک ترکیب جدید را توصیف کرد این نیاز به یک رویکرد هدفمندتر دارد. مولکول انترولولین SO -Called گروهی از باکتری های متصل به شعله های کرون را سرکوب می کند در حالی که بقیه میکروبیوم را تا حد زیادی دست نخورده رها می کند. با استفاده از یک مدل هوش مصنوعی تولیدی ، تیم با نحوه عملکرد این ترکیب ، معمولاً سالها مطابقت دارد ، اما در اینجا فرایندی است که فقط تا ماه ها تسریع می شود.
جان استوکس می گوید: “این کشف در مورد مشکل اصلی در توسعه آنتی بیوتیک ها صحبت می کند. مقاله جدید در مورد تجارتدستیار دستیار دستیار و علوم زیست پزشکی و کلینیک Abdul Latif Jameel برای یادگیری ماشین برای سلامتی. “مشکل این نیست که مولکولهایی را پیدا کنید که باکتری ها را روی یک صفحه می کشند ، ما مدت طولانی توانستیم این کار را انجام دهیم. پیدا کردن آنچه این مولکول ها در واقع در باکتری ها انجام می دهند.
انترولین گامی به سوی آنتی بیوتیک های حساس است: درمان هایی که برای ضربه زدن به باکتری هایی که باعث ایجاد مشکل می شوند ، طراحی شده اند. در مدلهای موش التهابی مانند کرون ، این دارو دوباره تنظیم شد اشریشیا کولیباکتری که می تواند کارتریج ها را در حالی که بیشتر ساکنان میکروبی را دست نخورده ، بدتر می کند. موشهای انترولین سریعتر از درمان با ونکومایسین ، یک آنتی بیوتیک رایج بهبود یافتند و یک میکروبیوم سالم تر را حفظ کردند.
هدف مولکولی ، که در آن یک دارو به سلولهای باکتریایی متصل می شود که مکانیسم عمل را برطرف می کند ، به طور معمول سالها به آزمایش های توجه نیاز دارد. آزمایشگاه استوکس با استفاده از یک رویکرد اسکن با راندمان بالا انترولین کشف شد ، اما این یک تنگنا خواهد بود. در اینجا ، این تیم به Diffdock بازگشت ، یک مدل هوش مصنوعی تولیدی که توسط دانشجوی دکترا MIT گابریل کورسو و استاد MIT رجینا بارزیلای در CSAIL ساخته شده است.
Diffdock برای تخمین چگونگی قرار گرفتن مولکول های کوچک در جیب های پیوست پروتئین ها طراحی شده است ، که این یک مشکل ضعیف در زیست شناسی ساختاری است. الگوریتم های قرارگیری سنتی به طور کلی با استفاده از قوانین امتیاز دهی که نتایج پر سر و صدا ایجاد می کند ، به دنبال جهت گیری های احتمالی هستند. Diffdock قرار دادن را به عنوان یک مشکل استدلال احتمالی قاب می کند: یک مدل انتشار تخمین می زند تا زمانی که در حالت اتصال به احتمال زیاد ترکیب شود ، تکرار می شود.
بارزیلای گفت: “در طی چند دقیقه ، مدل آنترولین تخمین زد که مدل آنترولین فقط در عرض چند دقیقه به یک مجتمع پروتئینی به نام لیپوپروتئین ها در باکتری های خاص وصل شده است.” “این یک سرنخ بسیار مشخص بود – سرنخی که می تواند آزمایشات را راهنمایی کند.”
گروه استوکس بعداً این آزمون تخمین زده شده را قرار دادند. آنها ابتدا با استفاده از پیش بینی های DiffDock به عنوان یک GPS آزمایش ، جهش های مقاوم در برابر آنترولین ایجاد کردند E. coli در آزمایشگاه که نشان می دهد تغییرات در DNA جهش یافته با LOLCDE نقشه برداری می شود که در آن انترولولین پیش بینی می کند به هم وصل شود. علاوه بر این ، هنگامی که در معرض دارو قرار گرفتند ، آنها ترتیب RNA را انجام دادند تا ببینند کدام ژنهای باکتریایی باز یا بسته شده اند و از CRISPR برای تخریب انتخابی هدف مورد انتظار استفاده می کنند. همه این آزمایشات آزمایشگاهی دقیقاً نشان داد که Diffdock در جاده ها به دلیل حمل و نقل لیپوپروتئین پیش بینی می کند.
سهام گفت: “وقتی مدل محاسبه و داده های برچسب مرطوب را مشاهده می کنید که به همان مکانیسم اشاره دارد ، پس از آن باور کردید که چیزی را حل کرده اید.
برای Barzilay ، این پروژه بر نحوه استفاده از هوش مصنوعی در علوم زندگی تأکید می کند. “استفاده از بسیاری از هوش مصنوعی در کشف داروها در جستجوی مواد شیمیایی ، تعریف مولکولهای جدید که ممکن است فعال باشد ، یا او می گوید:” آنچه در اینجا نشان می دهیم این است که هوش مصنوعی می تواند توضیحات مکانیکی را ارائه دهد که برای حرکت در خط لوله توسعه مولکول بسیار مهم است. “
این تمایز مهم است زیرا مطالعات مکانیسم عمل اغلب یک مرحله محدود کننده نرخ اصلی در تولید دارو است. رویکردهای سنتی می تواند ۱۸ ماه تا دو سال یا بیشتر طول بکشد و میلیون ها دلار هزینه داشته باشد. در این حالت ، تیم MIT -MCmaster با برخی از هزینه ها ، جدول زمانی را به حدود شش ماه کاهش داد.
انترولین هنوز در مراحل اول توسعه است ، اما ترجمه در حال حاضر ادامه دارد. شرکت Spinout Stokes Stoketed Bio دارای مجوز است و ویژگی های آن را برای استفاده بالقوه افراد بهینه می کند. مطالعه اولیه در حال بررسی مشتقات مولکول در برابر سایر پاتوژن های مقاوم است ، به عنوان مثال klebsiella pneumoniaeبشر اگر همه چیز خوب پیش برود ، مطالعات بالینی ممکن است از چند سال آینده آغاز شود.
محققان همچنین نتایج گسترده تری را مشاهده می کنند. آنتی بیوتیک های طیف باریک مدتهاست که به عنوان راهی برای درمان عفونت ها بدون آسیب وثیقه در میکروبیوم جستجو می شود ، اما کشف و تأیید آن دشوار است. ابزارهای هوش مصنوعی مانند Diffdock می توانند این فرایند را عملی تر کنند و به سرعت ضد میکروبی هدفمند را ارائه دهند.
برای بیماران مبتلا به کرون و سایر شرایط التهابی روده ، احتمال دارویی که علائم میکروبیوم را بدون بی ثبات سازی کاهش می دهد ممکن است به معنای بهبود قابل توجهی در کیفیت زندگی باشد. و در تصویر بزرگتر ، آنتی بیوتیک های حساس می توانند به غلبه بر تهدید روزافزون مقاومت ضد میکروبی کمک کنند.
STO این ایده که ما می توانیم در مورد مکانیسم روشنایی عمل به عنوان کاری که می توانیم با ترکیب صحیح هوش مصنوعی ، شهود انسان و آزمایشات آزمایشگاهی که مرا هیجان زده می کند ، فکر کنیم. “این پتانسیل را برای تغییر رویکرد ما به کشف مواد مخدر نه تنها برای کرون بلکه برای بسیاری از بیماری ها دارد.”
ایو برون ، استاد دانشگاه مونترال ، می افزاید: یکی از بزرگترین چالش های سلامت ما ، افزایش باکتری های مقاوم در برابر ضد میکروبی است که حتی از بهترین آنتی بیوتیک های ما فرار می کنند. در این مطالعه از یک ترکیب روش AI قوی و ظریف برای تعیین مکانیسم عملکرد یک کاندیدای جدید آنتی بیوتیک استفاده شده است ، که یک گام مهم در توسعه بالقوه آن از نظر درمانی است. “
Corso ، Barzilay و Stokes ، محققان McMaster Denise B. Catacutan ، Vian Tran ، Jeremie Alexander ، Yeganeh Yousfi ، Megan Tu ، Stewart Mclellan و Dominique Tertigas و استادان Jakob Magolan ، Michael Surette ، Eric Brown و Brayan Coombes. تحقیقات تا حدودی توسط بنیاد خانواده وستون مورد حمایت قرار گرفت. مرکز کشف آنتی بیوتیک دیوید برالی ؛ مؤسسات مطالعات بهداشتی کانادا ؛ شورای علوم طبیعی و شورای تحقیقات مهندسی کانادا ؛ م. و م. هرسینک ؛ مؤسسات مطالعات بهداشتی کانادا ؛ جایزه بورس تحصیلی تحصیلات تکمیلی انتاریو ؛ کلینیک جامل ؛ و آژانس کاهش تهدید دفاعی ایالات متحده کشف اقدامات پزشکی در برابر برنامه تهدیدات جدید و در حال توسعه.
محققان داده های رتبه بندی را در انبارهای عمومی منتشر کرده اند و کد DiffDock-L را در GitHub منتشر کرده اند.