在技術方面,人工智能(AI)的使用被證明是改變遊戲規則的人,該技術現在可以幫助科學家在60年內解鎖第一種新的抗生素。
發現一種新化合物可以殺死每年在全世界殺死數千個殺死數千個細菌的新化合物,這可能是反對抗生素耐藥性鬥爭的轉折點。
“這裡的見解是,我們可以看到模型所學的東西,以做出某些分子會造成良好抗生素的預測,”馬薩諸塞州技術學院(MIT)的醫學工程與科學教授詹姆斯·柯林斯(James Collins)和該研究的一位作者,是研究的作者之一在一份聲明中說。
“從化學結構的角度來看,我們的工作提供了一個時間效率,資源效率和機械洞察力的框架,以我們沒有約會的方式”。
結果發表在自然由21位研究人員組成的團隊合著。
旨在“打開黑匣子”的研究
該項目背後的團隊使用了深入學習模型來預測新化合物的活動和毒性。
深度學習涉及使用人工神經網絡自動從數據中學習和表示功能,而無需明確的編程。
它越來越多地應用於藥物發現中,以加速潛在的候選藥物,預測其特性並優化藥物開發過程。
在這種情況下,研究人員專注於金黃色葡萄球菌(MRSA)。
MRSA感染的範圍從輕度皮膚感染到更嚴重且潛在的威脅生命的疾病,例如肺炎和血液感染。
歐盟每年發生近15萬MRSA感染根據歐洲疾病預防與控制中心(ECDC)的數據,雖然近35,000人每年因抗菌感染而死於抗菌感染感染。
麻省理工學院的研究人員使用擴展的數據集培訓了廣泛擴大的深度學習模型。
為了創建訓練數據,評估了大約39,000種對MRSA的抗生素活性的化合物。隨後,對化合物的化學結構的結果數據和詳細信息都輸入了模型。
麻省理工學院和哈佛大學的博士後,一位研究的主要作者Felix Wong說:“這項研究中要做的是打開黑匣子。這些模型由模仿神經聯繫的大量計算組成,沒有人真正知道在引擎蓋下發生了什麼。”
發現新化合物
為了完善潛在藥物的選擇,研究人員採用了另外三個深入學習模型。對這些模型進行了訓練,以評估化合物對三種不同類型的人類細胞的毒性。
通過將這些毒性預測與先前確定的抗菌活性相結合,研究人員指出了能夠有效地對抗人體傷害的微生物的化合物。
使用這組型號,篩選了大約1200萬個市售化合物。
這些模型確定了五個不同類別的化合物,這些化合物是根據分子內的特定化學子結構對MRSA進行預測活性的分類的。
隨後,研究人員在實驗室環境中收購了大約280種這些化合物,並對MRSA進行了測試。這種方法使他們確定了同一類的兩名有前途的抗生素候選者。
在涉及兩種小鼠模型的實驗中 - 一種用於MRSA皮膚感染,另一種用於MRSA全身感染 - 這些化合物中的每一種都會使MRSA種群降低10倍。