هوش مصنوعی مولد در خدمت تولید آنتیبیوتیکهای نوین

محققان مکمستر و استنفورد مدل هوش مصنوعی مولد برای طراحی میلیاردها آنتیبیوتیک نوین ابداع کردند

محققان دانشگاه مکمستر در کانادا و دانشگاه استنفورد در آمریکا یک مدل هوش مصنوعی مولد پیشرفته را ابداع کردهاند که قابلیت طراحی میلیاردها مولکول آنتیبیوتیک تازه را داراست. این آنتیبیوتیکها هزینه پایین دارند و فرآیند ساخت آنها در محیط آزمایشگاهی آسان است.

هوش مصنوعی مولد در خدمت تولید آنتیبیوتیکهای نوین

بر اساس مقالهای که در نشریه نیچر منتشر شده است، محققان این مدل را برای مقابله با با کتریها تدوین کردهاند. از این هوش مصنوعی میتوان برای جلوگیری از گسترش اسینتوباکتر بومانی – یکی از خطرناکترین با کتریهای مقاوم به آنتیبیوتیک در جهان – بهره گرفت.

با گسترش جهانی با کتریهای مقاوم به دارو، نیاز فوری به آنتیبیوتیکهای تازه شکل گرفته است؛ حتی روشهای مدرن برای ترکیب ترکیبات شیمیایی نوین نیز محدود یا پرهزینهاند. به طور کلی، آنتیبیوتیکها داروهای انحصاری محسوب میشوند، یعنی به محض اینکه یک آنتیبیوتیک در آزمایشگاه ساخته شود، با کتریها به شدت تکامل مییابند تا در برابر آن مقاومت کنند. به همین دلیل باید با روشی سریع و کمهزینه به طور مداوم آنتیبیوتیکهای تازه تولید کرد. در اینجا است که هوش مصنوعی نقش مهمی ایفا میکند. مدل میتواند ۱۳۲ هزار قطعه مولکولی با ماهیتهای گوناگون را از طریق ۱۳ واکنش شیمیایی ترکیب نماید. به عبارت دیگر، با این هوش مصنوعی میتوان ۳۰ میلیارد ترکیب مولکولی گوناگون را طراحی و شکل داد.

محققان از این هوش مصنوعی برای ساخت آنتیبیوتیک اسینتوباکتر بومانی بهره بردهاند. مدل نه تنها مولکولهای نوینی طراحی میکند که میتواند به ساخت دارویی امیدوارکننده منتهی شود، بلکه دستورالعملهایی را برای نحوه ساخت هر ترکیب تازه نیز در اختیار محققان قرار میدهد. چنین دستورالعملهایی به شیمیدانها کمک میکند تا ترکیبات تولیدشده با هوش مصنوعی را بسازند.

END

این پیشرفت علمی نشان میدهد که هوش مصنوعی مولد میتواند به عنوان یک موتور قدرتمند برای کشف دارو عمل کند و فرآیند طولانیمدت و پرهزینه توسعه آنتیبیوتیک را به شدت تسریع نماید. تیم تحقیقاتی با استفاده از الگوریتمهای یادگیری عمیق، فضای شیمیایی وسیعی را اسکن کرده و کاندیداهای با پتانسیل بالا برای سنتز را شناسایی نموده است.

تستهای آزمایشگاهی و نتایج با لینی اولیه

پس از طراحی مولکولها توسط هوش مصنوعی، محققان تعدادی از کاندیداهای برتر را برای سنتز و تست در محیط آزمایشگاهی انتخاب کردند. نتایج اولیه نشان میدهد که چندین ترکیب طراحیشده، فعالیت قوی ضدباکتریایی در برابر سلالات مقاوم چنددارویی اسینتوباکتر بومانی دارند. این ترکیبات در مدلهای حیوانی عفونت، توانایی کاهش بار با کتریایی و افزایش بقا را به خوبی نشان دادند.

ویژگی منحصر به فرد این مدل، پیشبینی مسیر سنتز شیمیایی برای هر مولکول پیشنهادی است. در روشهای سنتی، شیمیدانها ماهها یا سالها را صرف به ینهسازی مسیر ساخت یک ترکیب میکنند، اما این هوش مصنوعی مسیرهای سنتز ممکن، مواد اولیه در دسترس و شرایط واکنش را به صورت خودکار ارائه میدهد. این قابلیت فاصله بین طراحی را یانهای و تولید واقعی را به حداقل میرساند.

م مقابله با بحران مقاومت به آنتیبیوتیک

سازمان به داشت جهانی (WHO) با کتریهای مقاوم به آنتیبیوتیک را یکی از ده تهدید برتر برای سلامت جهانی معرفی کرده است. اسینتوباکتر بومانی به دلیل مقاومت گسترده به داروها، به ویژه در بسترههای بیمارستانی و واحدهای مراقبت شدید، عامل عفونتهای مخوفی است. کشف کلاسهای جدید آنتیبیوتیک با مکانیزمهای عملکرد متفاوت، استراتژی حیاتی برای شکستن این چرخه مقاومت محسوب میشود.

محققان تأکید کردهاند که این پلتفرم هوش مصنوعی تنها برای اسینتوباکتر بومانی محدود نیست، بلکه میتواند برای هدفگیری از سایر با کتریهای اولویتدار مانند سودوموناس آئروژنوزا و انتروباکتریاسی مقاوم به کاربرپنم بکار رود. انعطافپذیری مدل در تعریف ویژگیهای مورد نظر دارو، امکان طراحی آنتیبیوتیکهای با فتمحور و کمسمیت را فراهم میآورد.

افقی نوین برای کشف دارو

همکاری میان دانشگاه مکمستر و استنفورد الگویی برای علم دادهمحور در پزشکی است. ادغام تخصصهای بیولوژی سیستمها، شیمی محاسبهای و یادگیری ماشین، مرزهای سنتی کشف دارو را شکسته است. محققان اکنون در حال توسعه نسخههای پیشرفتهتر این مدل هستند که دادههای سمیت، فارماکوکینتیک و پایداری دارو را نیز در فرآیند طراحی یکپارچه میکنند.

این دستاورد امید جدیدی برای آینده در مان عفونتهای با کتریایی ایجاد میکند. با قدرت هوش مصنوعی مولد، بشر میتواند در مسابقه با تکامل با کتریها یک گام جلوتر بماند و انبار داروهای ضدعفونی را با ترکیبات نوین، کارآمد و قابل دسترس تکمیل نماید. ادامه تحقیقات و آزمونهای با لینی، گام نهایی برای تبدیل این مولکولهای دیجیتال به داروهای نجاتدهنده زندگی خواهد بود.