1
energi
Vad är energi?
0 kommentarer
En algoritm för djupinlärning har hjälpt forskare att identifiera nya föreningar som är effektiva mot antibiotikaresistenta bakterier – ett hot mot folkhälsan som orsakar tusentals dödsfall årligen.
Med läkare som är oroade över att antibiotika har blivit allt mer ineffektiva sedan Fleming först renade penicillin 1928, den senaste upptäckten av en förening som kan döda de läkemedelsresistenta bakterierna som är ansvarig för tusentals dödsfall över hela världen är varje år ett välkommet år.
Med hjälp av en algoritm för djupinlärning kunde forskare identifiera det första nya antibiotikumet på över ett halvt sekel, demonstrera potentialen hos artificiell intelligens inom det medicinska området och utgöra en lösning på antibiotikaresistens, som är bland de största globala hoten mot människors hälsa.
För att förfina urvalet av denna nya klass av antibiotikakandidater, ett team på laboratoriet av James Collins från Broad Institute vid Massachusetts Institute of Technology och Harvard University använde en typ av AI som kallas djupinlärning för att screena 12 miljoner föreningar för antibiotikaaktivitet.
Efter att ha analyserat dem genom datorsimuleringar hittade de tränade AI-modellerna 3646 föreningar med idealiska läkemedelsliknande egenskaper.
.@delafuenteupenn delade hur artificiell intelligens (#AI) kan hjälpa till att styra utvecklingen av nya #antibiotika, inklusive nya rön som använder konceptet djupinlärning för att upptäcka nya antibiotika, en praxis som används av de la Fuentes labb. @sciam https://t.co/eFGmY0ZLHo
— Penn Medicine (@PennMedicine) December 26, 2023
Ytterligare beräkningar identifierade de kemiska understrukturerna som kunde förklara varje förenings egenskaper (nämligen om de är skadliga för människokroppen eller inte), som forskare jämförde innan de testade 238 av dem på möss.
Genom att göra det avslöjade de fem olika giftfria som visade betydande lovande mot meticillinresistenta Staphylococcus aureus (MRSA) och vankomycinresistent Enterococcus – som är några av de mest envist svårdödade patogenerna som vi känner till.
"Vad vi ville göra i den här studien var att öppna den svarta lådan", säger Felix Wong, en författare till studera som publicerades i Natur förra månaden.
"Våra [AI]-modeller berättar inte bara vilka föreningar som har selektiv antibiotikaaktivitet, utan också varför, när det gäller deras kemiska struktur."
Utvecklingen bygger på tidigare forskning om teknikens kraft för att bekämpa den pågående antibiotikaresistenskrisen.
När det gäller djupinlärning har forskare använt det mer och mer för att påskynda identifieringen av potentiella läkemedelskandidater, förutsäga deras egenskaper och optimera processen för att få dem till patienter i behov.
"De här modellerna består av ett väldigt stort antal beräkningar som efterliknar neurala anslutningar, och ingen vet riktigt vad som händer under huven", fortsätter Wong.
"Vårt arbete ger ett ramverk som är tidseffektivt, resurseffektivt och mekanistiskt insiktsfullt, ur en kemisk struktursynpunkt, på sätt som vi inte har haft hittills."
