1
energia
Co to jest energia?
0 komentarze
Algorytm głębokiego uczenia się pomógł naukowcom zidentyfikować nowe związki skuteczne przeciwko bakteriom opornym na antybiotyki – zagrożeniu dla zdrowia publicznego, które rocznie powoduje tysiące zgonów.
W obliczu obaw lekarzy, że antybiotyki stają się coraz bardziej nieskuteczne od czasu, gdy Fleming po raz pierwszy oczyścił penicylinę w 1928 r., niedawne odkrycie związku, który może zabić lekooporne bakterie odpowiedzialne za tysiące zgonów na całym świecie każdy rok jest mile widziany.
Korzystając z algorytmu uczenia głębokiego, naukowcom udało się zidentyfikować pierwszy nowy antybiotyk od ponad pół wieku, demonstrując potencjał sztucznej inteligencji w medycynie i proponując rozwiązanie odporność na antybiotyki, co stanowi jedno z największych światowych zagrożeń dla zdrowia ludzkiego.
Aby udoskonalić wybór tej nowej klasy kandydatów na antybiotyki, zespół w laboratorium Jamesa Collinsa z Broad Institute Massachusetts Institute of Technology i Harvard University wykorzystali rodzaj sztucznej inteligencji znany jako głębokie uczenie się, aby sprawdzić 12 milionów związków pod kątem aktywności antybiotykowej.
Po przeanalizowaniu ich za pomocą symulacji komputerowych wytrenowane modele sztucznej inteligencji znalazły następnie 3646 związków o idealnych właściwościach przypominających leki.
.@delafuenteupenn podzielił się tym, jak sztuczna inteligencja (#AI) może pomóc w kierowaniu rozwojem nowych #antybiotyki, w tym nowe odkrycia wykorzystujące koncepcję głębokiego uczenia się do odkrywania nowych antybiotyków, praktykę stosowaną w laboratorium de la Fuente. @sciam https://t.co/eFGmY0ZLHo
— Penn Medicine (@PennMedicine) 26 grudnia 2023 r.
Dodatkowe obliczenia pozwoliły zidentyfikować podstruktury chemiczne, które mogą wyjaśnić właściwości każdego związku (mianowicie to, czy jest on szkodliwy dla organizmu ludzkiego). Naukowcy porównali je przed przetestowaniem 238 z nich na myszach.
W ten sposób odkryli pięć różnych nietoksycznych leków, które okazały się obiecujące w walce z opornością na metycylinę Staphylococcus aureus (MRSA) i oporne na wankomycynę Enterococcus – które są jednymi z najbardziej uporczywie trudnych do zabicia patogenów, jakie znamy.
„W tym badaniu postanowiliśmy otworzyć czarną skrzynkę” – mówi Felixa Wonga, autor m.in „The Puzzle of Monogamous Marriage” który został opublikowany w Natura w zeszłym miesiącu.
„Nasze modele [AI] mówią nam nie tylko, które związki wykazują selektywne działanie antybiotykowe, ale także dlaczego, na podstawie ich struktury chemicznej”.
Opracowanie opiera się na wcześniejszych badaniach nad siłą technologii w walce z trwającym kryzysem antybiotykooporności.
W przypadku głębokiego uczenia się naukowcy coraz częściej wykorzystują je do przyspieszenia identyfikacji potencjalnych kandydatów na leki, przewidywania ich właściwości i optymalizacji procesu dostarczania ich potrzebującym pacjentom.
„Modele te składają się z bardzo dużej liczby obliczeń imitujących połączenia neuronowe i nikt tak naprawdę nie wie, co dzieje się pod maską” – kontynuuje Wong.
„Nasza praca zapewnia ramy, które oszczędzają czas, zasobooszczędnie i wnikliwie pod względem mechanicznym, z punktu widzenia struktury chemicznej, w sposób, jakiego nie mieliśmy do tej pory”.
