L’intelligenza artificiale scopre il primo nuovo antibiotico in oltre 60 anni

Un algoritmo di deep learning ha aiutato gli scienziati a identificare nuovi composti efficaci contro i batteri resistenti agli antibiotici, una minaccia per la salute pubblica che causa migliaia di morti ogni anno.

Con i medici preoccupati che gli antibiotici siano diventati sempre più inefficaci da quando Fleming ha purificato per la prima volta la penicillina nel 1928, la recente scoperta di un composto che può uccidere i batteri resistenti ai farmaci responsabili della migliaia di morti in tutto il mondo ogni anno è gradito.

Utilizzando un algoritmo di deep learning, gli scienziati potrebbero identificare il primo nuovo antibiotico in oltre mezzo secolo, dimostrando il potenziale dell’intelligenza artificiale in campo medico e proponendo una soluzione al problema resistenza agli antibiotici, che rappresenta una delle maggiori minacce globali alla salute umana.

Per perfezionare la selezione di questa nuova classe di antibiotici candidati, un team del laboratorio di James Collins dell' Broad Institute del Massachusetts Institute of Technology e dell'Università di Harvard ha utilizzato un tipo di intelligenza artificiale noto come deep learning per analizzare 12 milioni di composti per individuare l’attività antibiotica.

Dopo averli analizzati attraverso simulazioni al computer, i modelli di intelligenza artificiale addestrati hanno poi trovato 3646 composti con proprietà ideali simili ai farmaci.

.@delafuenteupenn condiviso come l'intelligenza artificiale (#AI) può aiutare a guidare lo sviluppo di nuovi #antibiotici, comprese nuove scoperte che utilizzano il concetto di apprendimento profondo per scoprire nuovi antibiotici, una pratica utilizzata dal laboratorio di de la Fuente. @sciam https://t.co/eFGmY0ZLHo

— Penn Medicina (@PennMedicina) Dicembre 26, 2023

Ulteriori calcoli hanno identificato le sottostrutture chimiche che potrebbero spiegare le proprietà di ciascun composto (vale a dire se sono dannose o meno per il corpo umano), che gli scienziati hanno confrontato prima di testarne 238 sui topi.

In tal modo, hanno scoperto cinque diversi farmaci non tossici che hanno mostrato risultati significativi contro la resistenza alla meticillina Staphylococcus aureus (MRSA) e resistenti alla vancomicina Enterococcus – che sono alcuni degli agenti patogeni più ostinatamente difficili da uccidere che conosciamo.

“Ciò che ci proponevamo di fare in questo studio era aprire la scatola nera”, afferma Felix Wang, un autore del studio che è stato pubblicato in Natura il mese scorso.

“I nostri modelli [AI] ci dicono non solo quali composti hanno attività antibiotica selettiva, ma anche perché, in termini di struttura chimica”.

Lo sviluppo si basa su ricerche precedenti sul potere della tecnologia nel combattere l’attuale crisi di resistenza agli antibiotici.

Nel caso del deep learning, gli scienziati lo utilizzano sempre di più per accelerare l’identificazione di potenziali farmaci candidati, prevederne le proprietà e ottimizzare il processo di fornitura ai pazienti che ne hanno bisogno.

“Questi modelli consistono in un gran numero di calcoli che imitano le connessioni neurali, e nessuno sa veramente cosa succede sotto il cofano”, continua Wong.

“Il nostro lavoro fornisce una struttura efficiente in termini di tempo, risorse e meccanicamente approfondita, dal punto di vista della struttura chimica, in modi che non abbiamo avuto finora.”