1
energi
Hva er energi?
0 kommentarer
En dyplæringsalgoritme har hjulpet forskere med å identifisere nye forbindelser som er effektive mot antibiotikaresistente bakterier - en folkehelsestrussel som forårsaker tusenvis av dødsfall årlig.
Med leger bekymret for at antibiotika har blitt stadig mer ineffektive siden Fleming først renset penicillin i 1928, den nylige oppdagelsen av en forbindelse som kan drepe de medikamentresistente bakteriene som er ansvarlig for tusenvis av dødsfall over hele verden er hvert år velkommen.
Ved å bruke en dyplæringsalgoritme kunne forskere identifisere det første nye antibiotikumet på over et halvt århundre, demonstrere potensialet til kunstig intelligens i det medisinske feltet og utgjøre en løsning på antibiotikaresistens, som er blant de største globale truslene mot menneskers helse.
For å avgrense utvalget av denne nye klassen av antibiotikakandidater, har et team ved laboratoriet til James Collins fra Broad Institute ved Massachusetts Institute of Technology og Harvard University brukte en type AI kjent som dyp-læring for å screene 12 millioner forbindelser for antibiotikaaktivitet.
Etter å ha analysert dem gjennom datasimuleringer, fant de trente AI-modellene 3646 forbindelser med ideelle medikamentlignende egenskaper.
.@delafuenteupenn delte hvordan kunstig intelligens (#AI) kan være med på å veilede utviklingen av nye #antibiotika, inkludert nye funn som bruker konseptet dyp læring for å oppdage nye antibiotika, en praksis brukt av de la Fuentes laboratorium. @sciam https://t.co/eFGmY0ZLHo
— Penn Medicine (@PennMedicine) Desember 26, 2023
Ytterligere beregninger identifiserte de kjemiske understrukturene som kunne forklare hver forbindelses egenskaper (nemlig om de er skadelige for menneskekroppen eller ikke), som forskere sammenlignet før de testet 238 av dem på mus.
Ved å gjøre dette, avdekket de fem forskjellige ikke-giftige som viste betydelig løfte mot meticillin-resistente Staphylococcus aureus (MRSA) og vankomycin-resistent Enterococcus – som er noen av de mest hardnakket vanskelig å drepe patogenene vi vet om.
"Det vi satte oss for å gjøre i denne studien var å åpne den svarte boksen," sier Felix Wong, en forfatter av studere som ble publisert i Natur forrige måned.
"Våre [AI]-modeller forteller oss ikke bare hvilke forbindelser som har selektiv antibiotikaaktivitet, men også hvorfor, når det gjelder deres kjemiske struktur."
Utviklingen bygger på tidligere forskning på teknologiens kraft for å bekjempe den pågående antibiotikaresistenskrisen.
Når det gjelder dyp læring, har forskere brukt det mer og mer for å fremskynde identifiseringen av potensielle medikamentkandidater, forutsi egenskapene deres og optimalisere prosessen med å få dem til pasienter i nød.
"Disse modellene består av svært store antall beregninger som etterligner nevrale forbindelser, og ingen vet egentlig hva som skjer under panseret," fortsetter Wong.
"Vårt arbeid gir et rammeverk som er tidseffektivt, ressurseffektivt og mekanisk innsiktsfullt, fra et kjemisk struktur synspunkt, på måter som vi ikke har hatt til dags dato."
