تعليقات
ساعدت خوارزمية التعلم العميق العلماء على تحديد مركبات جديدة فعالة ضد البكتيريا المقاومة للمضادات الحيوية ــ وهي تهديد للصحة العامة يتسبب في وفاة الآلاف سنويا.
ومع قلق الأطباء من أن المضادات الحيوية أصبحت غير فعالة على نحو متزايد منذ أن قام فليمنج بتنقية البنسلين لأول مرة في عام 1928، فإن الاكتشاف الأخير لمركب يمكنه قتل البكتيريا المقاومة للأدوية المسؤولة عن آلاف الوفيات في جميع أنحاء العالم كل عام هو موضع ترحيب.
باستخدام خوارزمية التعلم العميق، تمكن العلماء من التعرف على أول مضاد حيوي جديد منذ أكثر من نصف قرن، مما يدل على إمكانات الذكاء الاصطناعي في المجال الطبي ويطرح حلاً لمشكلة. مقاومة المضادات الحيويةوالتي تعد من أكبر التهديدات العالمية لصحة الإنسان.
ولتحسين اختيار هذه الفئة الجديدة من المضادات الحيوية المرشحة، قام فريق من مختبر جيمس كولينز المعهد الواسع التابع لمعهد ماساتشوستس للتكنولوجيا وجامعة هارفارد استخدم الباحثون نوعًا من الذكاء الاصطناعي يُعرف باسم التعلم العميق لفحص 12 مليون مركب بحثًا عن نشاط المضادات الحيوية.
وبعد تحليلها من خلال المحاكاة الحاسوبية، وجدت نماذج الذكاء الاصطناعي المدربة 3646 مركبًا ذات خصائص تشبه الأدوية المثالية.
.@delafuenteupenn شارك كيف الذكاء الاصطناعي (#AI) يمكن أن تساعد في توجيه تطوير جديد #مضادات حيوية، بما في ذلك النتائج الجديدة التي تستخدم مفهوم التعلم العميق لاكتشاف مضادات حيوية جديدة، وهي ممارسة يستخدمها مختبر دي لا فوينتي. تضمين التغريدة https://t.co/eFGmY0ZLHo
— بنسلفانيا ميدسين (@PennMedicine) 26 كانون الأول، 2023
حددت الحسابات الإضافية البنى التحتية الكيميائية التي يمكن أن تفسر خصائص كل مركب (أي ما إذا كانت ضارة بجسم الإنسان أم لا)، والتي قارنها العلماء قبل اختبار 238 منها على الفئران.
ومن خلال القيام بذلك، اكتشفوا خمسة أنواع مختلفة غير سامة أظهرت وعدًا كبيرًا ضد مقاومة الميثيسيلين المكورات العنقودية الذهبية (MRSA) ومقاومة للفانكومايسين معوي - والتي تعد من أكثر مسببات الأمراض التي نعرفها والتي يصعب قتلها.
يقول: "ما شرعنا في القيام به في هذه الدراسة هو فتح الصندوق الأسود". فيليكس وونغ، مؤلف دراسة التي تم نشرها في الطبيعة في الشهر الماضي.
"إن نماذجنا [الذكاء الاصطناعي] لا تخبرنا فقط عن المركبات التي لها نشاط مضاد حيوي انتقائي، ولكن أيضًا لماذا، من حيث تركيبها الكيميائي."
يعتمد هذا التطوير على الأبحاث السابقة حول قوة التكنولوجيا في مكافحة أزمة مقاومة المضادات الحيوية المستمرة.
وفي حالة التعلم العميق، كان العلماء يستخدمونه أكثر فأكثر لتسريع عملية تحديد الأدوية المحتملة المرشحة، والتنبؤ بخصائصها، وتحسين عملية إيصالها إلى المرضى المحتاجين.
يتابع وونغ: "تتكون هذه النماذج من أعداد كبيرة جدًا من الحسابات التي تحاكي الاتصالات العصبية، ولا أحد يعرف حقًا ما الذي يحدث تحت الغطاء".
"يوفر عملنا إطارًا يتسم بالكفاءة من حيث الوقت، وكفاءة في استخدام الموارد، ورؤية ميكانيكية ثاقبة، من وجهة نظر البنية الكيميائية، بطرق لم نشهدها حتى الآن."
