Penyelidik MIT menggunakan AI untuk menemui sebatian baharu, dengan ketara mengurangkan MRSA dalam model makmal dan tetikus serta menjanjikan satu kejayaan dalam pembangunan antibiotik.
Penyelidik MIT telah menggunakan pembelajaran mendalam, satu bentuk kecerdasan buatan, untuk mengenal pasti kelas sebatian baharu yang mampu menghapuskan bakteria tahan dadah yang bertanggungjawab untuk lebih 10,000 kematian tahunan di Amerika Syarikat.
Para penyelidik menunjukkan bahawa sebatian yang dikenal pasti berkesan menghapuskan Staphylococcus aureus (MRSA) yang tahan methicillin dalam kedua-dua hidangan makmal dan dua model tetikus jangkitan MRSA sambil mempamerkan ketoksikan minimum terhadap sel manusia, sekali gus menjadikannya calon dadah yang menjanjikan. Satu kejayaan penting dalam kajian ini ialah keupayaan penyelidik untuk membezakan jenis data model pembelajaran mendalam yang digunakan untuk meramalkan potensi antibiotik. Wawasan ini boleh membantu dalam mereka bentuk ubat yang lebih berkesan daripada yang dikenal pasti oleh model pada masa ini.
Ramalan yang boleh dijelaskan
Para penyelidik memulakan kajian mereka dengan melatih model pembelajaran mendalam dengan set data yang diperluaskan secara meluas yang dicipta dengan menguji sekitar 39,000 sebatian untuk aktiviti antibiotik mereka terhadap MRSA. Dataset ini, bersama-sama dengan maklumat terperinci tentang struktur kimia sebatian ini, dimasukkan ke dalam model. Untuk memahami mekanisme ramalan model, mereka menyesuaikan algoritma carian pokok Monte Carlo, yang sebelum ini memainkan peranan penting dalam meningkatkan kebolehjelasan model pembelajaran mendalam lain seperti AlphaGo. Algoritma ini membolehkan model memberikan anggaran aktiviti antimikrob setiap molekul dan pandangan tentang substruktur molekul yang mungkin bertanggungjawab untuk aktiviti ini.
Aktiviti yang kuat
Para penyelidik meningkatkan proses penemuan dadah mereka dengan melatih tiga model pembelajaran mendalam tambahan untuk meramalkan ketoksikan pelbagai sebatian kepada jenis sel manusia yang berbeza. Menggabungkan ramalan ini dengan penilaian aktiviti antimikrob, mereka mengecilkan calon ubat yang berpotensi yang boleh membunuh mikrob dengan berkesan dengan bahaya manusia yang minimum. Mereka menyaring kira-kira 12 juta sebatian yang tersedia secara komersial dan mengenal pasti calon yang menjanjikan daripada lima kelas kimia terhadap MRSA. Ujian makmal seterusnya ke atas kira-kira 280 sebatian terpilih membawa kepada penemuan dua antibiotik yang sangat berkesan dari kelas yang sama. Dalam model tetikus kulit MRSA dan jangkitan sistemik, sebatian ini mengurangkan populasi MRSA dengan ketara.
Organisasi bukan untung itu bertujuan untuk menganalisis sifat kimia dan potensi klinikal sebatian ini manakala makmal Collins membangunkan ubat baharu dan mencari sebatian terhadap bakteria lain.