فهرست مطالب
دانشمندان با استفاده از هوش مصنوعی موفق شدند یک آنتیبیوتیک سمی را به دارویی نجاتبخش تبدیل کنند. این تحول میتواند راهی جدید برای احیای داروهایی باشد که به دلیل سمی بودن کنار گذاشته شدهاند.
به گزارش تکناک، محققان دانشگاه تگزاس در آستین، در راستای تقاضا برای آنتیبیوتیکهای ایمنتر و مؤثرتر، از هوش مصنوعی برای ایجاد داروی جدیدی استفاده کردهاند که هماکنون در آزمایشهای حیوانی عملکرد آن امیدوارکننده است.
این روش نه تنها میتواند باعث درمانهای مؤثرتری شود، بلکه میتواند از طریق استفاده مجدد از داروهای قدیمی، زمان و هزینههای تحقیقاتی را کاهش دهد.
دانشمندان با انتشار نتایج تحقیق خود در مجله Nature Biomedical Engineering، با استفاده از یک مدل زبان بزرگ، نسخهای از یک داروی کشنده باکتری که در گذشته برای انسان سمی بود را مهندسی کردند تا بیخطر باشد.
پیشآگاهی بیماران مبتلا به عفونتهای باکتریایی خطرناک در سالهای اخیر بدتر شده است، چرا که سویههای باکتریایی مقاوم به آنتیبیوتیک گسترش یافته و توسعه گزینههای درمانی جدید متوقف شده است. با وجود این، محققان دانشگاه UT میگویند که ابزارهای هوش مصنوعی این روند را تغییر خواهند داد.
کلاوس ویلکه، استاد یکی از نویسندگان ارشد مقاله جدید گفت: «ما دریافتهایم که مدلهای زبان بزرگ گامی به جلو برای کاربردهای یادگیری ماشینی در مهندسی پروتئین و پپتید هستند.»
وی تأکید کرد: «بسیاری از موارد استفاده که با رویکردهای قبلی امکانپذیر نبودند، اکنون شدنی هستند. من پیشبینی میکنم که این رویکردها و رویکردهای مشابه به طور گسترده برای توسعه درمانها یا داروها در آینده مورد استفاده قرار میگیرند.»
01
از 02کاربردهای هوش مصنوعی در توسعه دارو
مدلهای زبان بزرگ یا LLM در ابتدا برای تولید و کاوش توالیهای متن طراحی شده بودند، اما دانشمندان در حال یافتن راههای خلاقانه برای استفاده از این مدلها در حوزههای دیگر هستند. به عنوان مثال، همانگونه که جملات با دنبالهای از کلمات ساخته میشوند، پروتئینها نیز با دنبالهای از اسیدهای آمینه تشکیل شدهاند.
LLMها کلماتی را که دارای ویژگیهای مشترک هستند (مانند گربه، سگ و همستر) در مواردی که به عنوان فضای جاسازی با هزاران بعد شناخته میشود، جمع میکنند. به طور مشابه، پروتئینهایی با عملکردهای مشابه، مانند توانایی مبارزه با باکتریهای خطرناک بدون آسیب رساندن به افرادی که میزبان باکتریهای مذکور هستند، میتوانند در فضای تعبیهشده هوش مصنوعی جمع شوند.
دیویس، نویسنده ارشد این مقاله جدید عنوان کرد: «فضایی که تمام مولکولها را در خود جای داده است، بسیار زیاد میباشد. یادگیری ماشینی به ما این امکان را میدهد که مناطقی از فضای شیمیایی را پیدا کنیم که دارای ویژگیهای مورد علاقه ما هستند. یادگیری ماشینی میتواند این کار را بسیار سریعتر و کاملتر از روشهای آزمایشگاهی استاندارد انجام دهد.»
برای این پروژه، محققان از هوش مصنوعی در راستای شناسایی راههایی برای مهندسی مجدد آنتیبیوتیک موجود به نام Protegrin-1 استفاده کردند که در از بین بردن باکتریها عالی است، اما برای انسانها سمی میباشد.
آنتیبیوتیک Protegrin-1 که به طور طبیعی توسط خوکها برای مبارزه با عفونتها تولید میشود، بخشی از یک زیرگروه آنتیبیوتیکها به نام پپتیدهای ضد میکروبی (AMPs) است. AMPها اغلب باکتریها را به صورت مستقیم با ایجاد اختلال در غشای سلولی از بین میبرند، اما بسیاری از آنها غشای سلولی باکتری و انسان را هدف قرار میدهند.
02
از 02نوآوری با هوش مصنوعی
ابتدا محققان از روشی با توان عملیاتی بالا که در گذشته توسعه داده بودند برای ایجاد بیش از 7000 نوع Protegrin-1 و شناسایی سریع مناطقی از AMP استفاده کردند، که میتوان بدون از دست دادن فعالیت آنتیبیوتیکی آن را اصلاح کرد.
سپس آنها یک پروتئین LLM را بر اساس این نتایج آموزش دادند تا مدل بتواند میلیونها تنوع احتمالی را برای سه ویژگی هدف قرار دادن انتخابی غشاهای باکتری، کشتن قوی باکتریها و آسیب نرساندن به گلبولهای قرمز خون انسان، ارزیابی کند. این مدل به تیم تحقیقاتی کمک کرد تا نسخه ایمنتر و مؤثرتر Protegrin-1 را هدایت کند که محققان آن را Protegrin-1.2 انتخابی باکتریایی نامیدند.
موشهای آلوده به باکتریهای مقاوم به چند دارو و تحت درمان با bsPG-1.2 در مقایسه با موشهای درماننشده، شش ساعت پس از عفونت، احتمال ابتلا به باکتریهای قابل تشخیص در اندامهای آنها بسیار کمتر بود.
اگر آزمایشهای بیشتر نتایج مثبت مشابهی ارائه دهد، محققان امیدوار هستند که در نهایت نسخهای از آنتیبیوتیک مبتنی بر هوش مصنوعی را در آزمایشهای انسانی استفاده کنند.
