لقد أنقذت المضادات الحيوية أرواحًا لا تعد ولا تحصى، وهي أداة حاسمة في الطب الحديث. لكننا نخسر الأرض في معركتنا ضد البكتيريا. في منتصف القرن الماضي العلماء اكتشف فئات جديدة كاملة من المضادات الحيوية. ومنذ ذلك الحين، تباطأت وتيرة الاكتشاف إلى حد كبير، وازداد انتشار البكتيريا المقاومة للمضادات الحيوية.
من المحتمل أن تكون هناك مضادات حيوية لم يتم اكتشافها بعد، لكن الكون الكيميائي أكبر من أن يتمكن أي شخص من البحث فيه. في السنوات الأخيرة، تحول العلماء إلى الذكاء الاصطناعي. يمكن لخوارزميات التعلم الآلي أن تقلل أعدادًا هائلة من التكوينات الكيميائية المحتملة إلى عدد قليل من المرشحين الواعدين للاختبار.
حتى الآن، استخدم العلماء الذكاء الاصطناعي للعثور على مركبات منفردة لها خصائص المضادات الحيوية. لكن في دراسة جديدة، نشرت أمس في الطبيعةيقول باحثون من معهد ماساتشوستس للتكنولوجيا إنهم قاموا ببناء واختبار نظام يمكنه تحديد فئات جديدة كاملة من المضادات الحيوية والتنبؤ بما قد يكون آمنًا للناس.
قام الذكاء الاصطناعي بغربلة أكثر من 12 مليون مركب ووجد فئة غير مكتشفة من المضادات الحيوية التي أثبتت فعاليتها في الفئران ضد المكورات العنقودية الذهبية المقاومة للميثيسيلين (MRSA)، وهي سلالة قاتلة من الجراثيم المقاومة للأدوية.
في حين أن هذه المضادات الحيوية المكتشفة بواسطة الذكاء الاصطناعي لا تزال بحاجة إلى إثبات أنها آمنة وفعالة عند البشر من خلال اجتياز التحدي القياسي للاختبارات السريرية، يعتقد الفريق أن عملهم يمكن أن يسرع الاكتشاف على الواجهة الأمامية، ونأمل أن يزيد معدل الإصابة الإجمالي لدينا.
استكشاف الفضاء المخدرات
يستخدم العلماء بشكل متزايد أدوات الذكاء الاصطناعي الجانبية لتسريع عملية الاكتشاف. ربما يكون البرنامج الأكثر شهرة هو برنامج AlphaFold من شركة DeepMind، وهو برنامج للتعلم الآلي يمكنه تصميم أشكال البروتينات، وهي اللبنات الأساسية لجسمنا. والفكرة هي أن AlphaFold وأحفاده يمكنهم تسريع العملية الشاقة لأبحاث الأدوية. إن قناعتهم قوية جدًا، لدرجة أن DeepMind أنشأت شركة تابعة لها في عام 2021، مختبرات متشابهة، مكرسة للقيام بذلك.
كما أظهرت أساليب الذكاء الاصطناعي الأخرى نتائج واعدة. وقد ركزت مجموعة من معهد ماساتشوستس للتكنولوجيا، على وجه الخصوص، على تطوير مضادات حيوية جديدة تماما لمحاربة الجراثيم المقاومة للمضادات الحيوية. أثبتت دراستهم الأولى، المنشورة في عام 2020، أن هذا النهج يمكن أن ينجح، عندما عثروا على الهاليسين، وهو مضاد حيوي لم يتم اكتشافه سابقًا والذي يمكن أن تقضي بسهولة على الإشريكية القولونية المقاومة للأدوية.
وفي متابعة في وقت سابق من هذا العام، استهدف الفريق Acinetobacter baumannii، "العدو العام رقم 1 للعدوى البكتيرية المقاومة للأدوية المتعددة"، وفقًا لجوناثان ستوكس من جامعة ماكماستر، وهو أحد كبار مؤلفي الدراسة.
"يمكن لبكتيريا Acinetobacter أن تعيش على مقابض أبواب المستشفى ومعداتها لفترات طويلة من الزمن، ويمكنها أن تلتقط جينات مقاومة المضادات الحيوية من بيئتها. ومن الشائع حقًا الآن العثور على عزلات A. baumannii المقاومة لكل المضادات الحيوية تقريبًا. قال ستوكس في ذلك الوقت.
وبعد فحص 6,680 مركبًا في ساعتين فقط، سلط الذكاء الاصطناعي الضوء على بضع مئات من المركبات المرشحة الواعدة. واختبر الفريق 240 من هذه المضادات الحيوية التي كانت مختلفة هيكليا عن المضادات الحيوية الموجودة. لقد أظهروا تسعة مرشحات واعدة، بما في ذلك واحد، أبوسين، الذي كان فعالا جدا ضد A. baumannii.
وأظهرت كلتا الدراستين أن هذا النهج يمكن أن ينجح، ولكنهما لم يسفرا إلا عن مرشحين منفردين ليس لديهم معلومات عنهم لماذا كانت فعالة. من المعروف أن خوارزميات التعلم الآلي عبارة عن صناديق سوداء، فما يحدث "بين الأذنين" إذا جاز التعبير غالبًا ما يكون لغزًا كاملاً.
في الدراسة الأخيرة، استهدفت المجموعة خصمًا معروفًا آخر، وهو MRSA، ولكن هذه المرة قاموا بربط العديد من الخوارزميات معًا لتحسين النتائج وإلقاء الضوء بشكل أفضل على منطق الذكاء الاصطناعي.
التقليب التبديل
تم تدريب أحدث المضادات الحيوية للفريق على حوالي 39,000 مركب، بما في ذلك تركيبها الكيميائي وقدرتها على قتل MRSA. كما قاموا بتدريب نماذج منفصلة للتنبؤ بسمية مركب معين للخلايا البشرية.
"يمكنك تمثيل أي جزيء بشكل أساسي كتركيبة كيميائية، وأيضًا يمكنك إخبار النموذج إذا كان هذا التركيب الكيميائي مضادًا للبكتيريا أم لا،" قال فيليكس وونغ، باحث ما بعد الدكتوراه في IMES ومعهد برود التابع لمعهد ماساتشوستس للتكنولوجيا وجامعة هارفارد، قال ميت أخبار. "تم تدريب النموذج على العديد من الأمثلة المشابهة. إذا أعطيته بعد ذلك أي جزيء جديد، ترتيبًا جديدًا للذرات والروابط، فيمكن أن يخبرك باحتمال أن يكون هذا المركب مضادًا للبكتيريا.
وبمجرد الانتهاء، قام الفريق بتغذية النظام بأكثر من 12 مليون مركب. قام الذكاء الاصطناعي بتضييق هذه القائمة الهائلة إلى حوالي 3,600 مركب تم تنظيمها في خمس فئات - بناءً على بنيتها - وتوقع أن يكون لها بعض النشاط ضد MRSA وأن تكون أقل سمية للخلايا البشرية. واستقر الفريق على قائمة نهائية تضم 283 مرشحا للاختبار.
ومن بين هؤلاء، وجدوا أن اثنين من نفس الفئة - أي أن لديهما مكونات هيكلية مماثلة يعتقد أنها تساهم في النشاط المضاد للميكروبات - كانتا فعالتين للغاية. في الفئران، قاومت المضادات الحيوية كلا من العدوى الجلدية والعدوى الجهازية عن طريق القضاء على 90% من بكتيريا MRSA الموجودة.
والجدير بالذكر أنه في حين أن عملهم السابق تناول البكتيريا سالبة الجرام عن طريق تعطيل أغشية الخلايا، فإن MRSA إيجابية الجرام ولها جدران أكثر سمكا.
وقال وونغ: "لدينا دليل قوي على أن هذه الطبقة الهيكلية الجديدة نشطة ضد مسببات الأمراض إيجابية الجرام عن طريق تبديد القوة الدافعة للبروتون في البكتيريا بشكل انتقائي". "تهاجم الجزيئات أغشية الخلايا البكتيرية بشكل انتقائي، بطريقة لا تسبب أضرارا كبيرة في أغشية الخلايا البشرية."
ومن خلال جعل الذكاء الاصطناعي قابلاً للتفسير، يأمل الفريق في التركيز على الهياكل التي قد تفيد عمليات البحث المستقبلية أو تساهم في تصميم مضادات حيوية أكثر فعالية في المختبر.
الامتحانات النهائية
الشيء الرئيسي الذي يجب ملاحظته هنا هو أنه على الرغم من أن المضادات الحيوية الجديدة كانت فعالة على الفئران على نطاق صغير جدًا، إلا أنه لا يزال هناك طريق طويل قبل أن يتم وصفها لك.
تخضع الأدوية الجديدة لاختبارات وتجارب سريرية صارمة، والعديد منها، حتى المرشحين الواعدين، لا ينجحون في الوصول إلى الجانب الآخر. مجال اكتشاف الأدوية بمساعدة الذكاء الاصطناعي، بشكل عام، هو ولا تزال في المراحل الأولى في هذا الصدد. الأول الأدوية المصممة للذكاء الاصطناعي تخضع الآن للتجارب السريرية، لكن لم تتم الموافقة على أي منها حتى الآن.
ومع ذلك، فإن الأمل هو تزويد خط الأنابيب بمرشحين أفضل بسرعة أكبر.
قد يستغرق الأمر من ثلاث إلى ست سنوات لاكتشاف مضاد حيوي جديد مناسب للتجارب السريرية. بالنسبة الى جامعة بنسلفانيا سيزار دي لا فوينتي، الذي يقوم مختبره بعمل مماثل. ثم لديك التجارب نفسها. ومع تزايد مقاومة المضادات الحيوية، قد لا يكون لدينا هذا الوقت من الوقت، ناهيك عن حقيقة أن المضادات الحيوية لا تحقق العائد على الاستثمار الذي تحققه الأدوية الأخرى. أي مساعدة هي موضع ترحيب.
"الآن، مع الآلات، تمكنا من تسريع [الجدول الزمني]،" قال دي لا فوينتي العلمي الأميركي. "في عملنا أنا وزملائي، على سبيل المثال، يمكننا أن نكتشف في غضون ساعات آلاف أو مئات الآلاف من المرشحين قبل المرحلة السريرية بدلاً من الاضطرار إلى الانتظار من ثلاث إلى ست سنوات. وأعتقد أن الذكاء الاصطناعي بشكل عام قد مكّن من ذلك.
ما زال الوقت مبكرًا، ولكن إذا أثبتت المضادات الحيوية التي اكتشفها الذكاء الاصطناعي جدارتها في السنوات المقبلة، فربما نتمكن من الحفاظ على اليد العليا في معركتنا الطويلة ضد البكتيريا.
الصورة الائتمان: خلية دم بيضاء بشرية تبتلع MRSA (أرجواني) / المعهد الوطني للحساسية والأمراض المعدية، المعاهد الوطنية للصحة
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://singularityhub.com/2023/12/21/ai-discovers-a-new-class-of-antibiotics-after-scouring-12-million-compounds/
