هوش مصنوعی در مقابل مقاومت آنتی‌بیوتیکی 

به گزارش خبرگزاری صدا و سیما، محققان مؤسسه فناوری ماساچوست (MIT) موفق به طراحی نسل جدیدی از آنتی‌بیوتیک‌ها با استفاده از هوش مصنوعی مولد شده‌اند که علیه دو پاتوژن مقاوم به دارو، یعنی سوزاک (Neisseria gonorrhoeae) و استافیلوکوک اورئوس مقاوم به متی‌سیلین (MRSA) کارایی چشمگیری نشان داده‌اند. نتایج این پژوهش که در نشریه Cell منتشر شده است، نشان می‌دهد مدل‌های هوش مصنوعی قادرند میلیون‌ها ساختار مولکولی فرضی را تولید و از نظر فعالیت ضدباکتریایی به‌صورت رایانه‌ای غربال کنند.

برای شناسایی درمان‌های بالقوه علیه سوزاک، محققان ابتدا مجموعه‌ای شامل حدود ۴۵ میلیون قطعه شیمیایی شناخته‌شده را گردآوری کردند و آن‌ها را با ترکیبات پایگاه REAL متعلق به شرکت Enamine ترکیب کردند. سپس با کمک مدل‌های یادگیری ماشین، این مجموعه به چهار میلیون قطعه با فعالیت پیش‌بینی‌شده محدود شد. پس از حذف ترکیبات سمی، ناپایدار یا تکراری، حدود یک میلیون قطعه جدید باقی ماند.

از میان آن‌ها، قطعه‌ای نویدبخش با نام F1 انتخاب شد. دو مدل مولد ــ CReM (جهش‌های شیمیایی منطقی) و F-VAE (اتواینکودر واریاسیون مبتنی بر قطعه) ــ برای ایجاد حدود هفت میلیون ترکیب جدید مبتنی بر F1 به کار گرفته شدند. پس از چند مرحله غربالگری، هزار ترکیب به فهرست نهایی راه یافت و در نهایت ۸۰ ترکیب برای سنتز انتخاب شدند. دو ترکیب با موفقیت ساخته شد و یکی از آن‌ها، موسوم به NG1، توانست در آزمایش‌های سلولی و مدل موش، فعالیت قوی علیه سوزاک مقاوم به دارو نشان دهد.

بررسی‌های اولیه نشان داد NG1 پروتئینی به نام LptA را هدف قرار می‌دهد که در سنتز غشای خارجی باکتری نقش دارد. با مختل کردن این غشا، ترکیب اثر باکتری‌کُش خود را اعمال می‌کند. تاکنون هیچ آنتی‌بیوتیکی این پروتئین را هدف قرار نداده بود، موضوعی که نشان می‌دهد NG1 از یک مکانیسم تازه عمل می‌کند.

در گامی دیگر، تیم تحقیقاتی از مدل‌های مولد هوش مصنوعی برای طراحی آنتی‌بیوتیک‌هایی بدون محدودیت قطعه استفاده کرد و این بار هدف، مقابله با استافیلوکوک اورئوس (S. aureus) بود. مدل‌های CReM و F-VAE بیش از ۲۹ میلیون ترکیب منحصر‌به‌فرد تولید کردند. پس از غربالگری و حذف ترکیبات نامناسب، حدود ۹۰ ترکیب برای سنتز انتخاب شد که ۲۲ مورد آن با موفقیت ساخته شدند. از این میان، شش ترکیب فعالیت ضدباکتریایی قوی در آزمایشگاه نشان دادند.

یکی از این ترکیبات با نام DN1 توانست عفونت‌های MRSA را در مدل عفونت پوستی موش‌ها از بین ببرد. بررسی‌ها نشان داد DN1 نیز غشای باکتری را مختل می‌کند، اما با اختصاصیت کمتر، که نشانگر یک مکانیسم عمل عمومی‌تر است.

این ترکیبات تازه، NG1 و DN1، هم‌اکنون توسط سازمان غیرانتفاعی Phare Bio (وابسته به پروژه Antibiotics-AI) در حال توسعه بیشتر هستند. تمرکز پژوهشگران بر بهبود ویژگی‌های دارویی این مولکول‌ها و همچنین گسترش پلتفرم هوش مصنوعی برای طراحی داروهای جدید علیه پاتوژن‌های دیگر از جمله مایکوباکتریوم توبرکلوزیس (عامل سل) و سودوموناس آئروژینوزا است.