یک رویکرد یادگیری ماشین، انواع متاخر و قدرتمندی از آنتی بیوتیک ها را از مخزنی متشکل از بیش از ۱۰۰ میلیون مولکول شناسایی کرد. یکی از این مولکول ها، مولکولی است که دربرابر طیف وسیعی از باکتری ها ازجمله باکتری عامل سل و سویه های که غیرقابل علاج درنظر گرفته می شوند، مؤثر است. پژوهشگران می گویند این آنتی بیوتیک که هالیسین (halicin) نام دارد، اولین آنتی بیوتیکی است که با استفاده از سیستم هوش تقلبی کشف شده است. اگرچه هوش مصنوعی قبل از این به عزیمت کمک بوسیله حصه هایی از فرایند کشف آنتی بیوتیک ها مورد کاربرد فراغت اندوهناک بود، بوسیله گفته ی پژوهشگران، این نخستین بار است که یک سیستم هوش مصنوعی انواع کاملا جدیدی از آنتی بیوتیک ها را عاری درنظر شهود فرضیات پیشین انسانی و به خودی خود کشف کرده است. نتایج استیناف متاخر که عرشه هدایتجیم کالینز، متخصص زیست شناسی مصنوعی از مؤسسه ی فناوری ماساچوست اجرا شده، در مجله ی Cell منتشر شده است.
ژاکوب دورانت، متخصص زیست شناسی محاسباتی از دانشگاه پیتسبورگ داخل پنسیلوانیا این مطالعه را برازنده توجه می خواند. او می گوید پژوهشگران فقط مولکول های کاندیدا را شناسایی نکردند بلکه همچنین مولکول های امیدوارکننده را درون آزمایش های حیوانی تأیید کردند. علاوه بر این، رویکرد آن ها می تواند درمورد گوناگون مختلف داروها مانند داروهای درمان سرطان یا بیماری های نورودژنراتیو نیز به فقره آید.
مقاومت باکتریایی دربرابر آنتی بیوتیک ها به اسلوب چشمگیری تو سرتاسر دنیا داخل حال افزایش است و پژوهشگران پیش بینی می کنند که اگر داروهای جدیدی بوسیله سرعت توسعه پدیدار نکند، عفونت های برقرار می توانند در آینده ای نزدیک (تا سال ۲۰۵۰)، هر سال ۱۰ میلیون نفر را بوسیله کام مرگ بفرستند. اما هنگام چند دهه ی گذشته، روانی کشف و تأیید آنتی بیوتیک های جدید کند بوده است. کالینز می گوید:پژوهشگران به طور دوباره مولکول های تکراری را کشف می کنند. ما بوسیله ترکیبات شیمیایی دارویی متاخر با مکانیسم های انجام جدیدی نیاز داریم.
کالینز و گروهش یک شبکه ی خشمناک (الگوریتم درایت بدلی الهام اندوهناک از معماری مغز) ایجاد کردند که ویژگی های مولکول ها را اتم به اتم یاد می گیرد. پژوهشگران به منظور یافتن مولکول هایی که از نمو باکتری اشریشیا کلی ممانعت می کنند، شبکه ی عصبی خود را با استفاده از کلکسیون ای متشکل از ۲۳۳۵ مولکول که فعالیت آنتی باکتریایی آن ها شناخته شده بود، آموزش دادند. این داده ها شامل کتابخانه ای متشکل از حدود ۳۰۰ آنتی بیوتیک تأییدشده و نیز ۸۰۰ علیه طبیعی از منابع گیاهی، جانوری و می بود. رجینا برزیلی پژوهشگر حوزه ی درایت مصنوعی تو مؤسسه ی فناوری ماساچوست و یکی از نویسندگان مقاله ی جدید می گوید:الگوریتم یاد می گیرد که عملکرد مولکول را عاری درنظر دریافت هیچگاه فرض درمورد نحوه ی ارتکاب داروها و عاری برچسب گذاری گروه های شیمیایی، پیش بینی کند. درنتیجه، این معیار می تواند الگوهای جدیدی را که بخاطر متخصصان انسانی ناشناخته باقی مانده است، بیاموزد.
پژوهشگران پس از آموزش مدل، از آن برای الک گری کتابخانه ای به شهرت Drug Repurposing Hub مصرف کردند که حاوی حدود ۶ هزار مولکول تحت بررسی برای درمان بیماری های مختلف انسانی است. پژوهشگران از میزان خویشتن خواستند که پیش بینی کند کدام مولکول ها دربرابر اشریشیا کلی مؤثر هستند و فقط مولکول هایی را به آن ها نشان دهد که با آنتی بیوتیک های معمول تضاد دارند. پژوهشگران ازمیان مولکول های پیشنهادی سیستم، حدود ۱۰۰ مولکول کاندیدا را برای آزمایش های فیزیکی انتخاب کردند. صریح شد یکی از این مولکول ها یعنی مولکولی که بخاطر علاج دیابت مورد بررسی قرار دارد (هالیسین)، آنتی بیوتیک پرعضله است. مولکول مذکور درون آزمایش های عمل شده روی موش ها، دربرابر طیف وسیعی از پاتوژن ها ازجمله سویه ای از کلوستریدیوم باطراوت (Clostridioides difficile) و سویه ای از آسینتوباکتر بائومانی (Acinetobacter baumannii) که دارای ایستادگی آنتی بیوتیکی هستند، فعال وجود.
باکتری اشریشیا کلی (به رنگ سبز) زیر میکروسکوپ الکترونی روبشی مهار پروتون
مکانیسم عمل آنتی بیوتیک ها مختلف است. آن ها هنگام مکانیسم هایی مانند مهار آنزیم های دربند داخل بیوسنتز دیواره ی مولکولی، نوسازی DNA خواه سنتز پروتئین عمل می کنند. اما مکانیسم عمل هالیسین غیرمعمول است. این مولکول قضیه پروتون ها را در غشای سلول مختل می بطی ء. علاوه کنار این، داخل آزمایش های ابتدایی حیوانی چنین به نظر می رسید که این مولکول سمیت کمتری داشته و دربرابر مقاومت نیز زورمند است. کالینز می گوید داخل آزمایش ها، ایستادگی دربرابر دیگر ترکیبات آنتی بیوتیکی معمولا خلال یکی دو روز ایجاد می شود اما درمورد هالیسین پس از بخشیدن ۳۰ روز نیز مقاومتی دربرابر آن دیده نشد.مقاله های مرتبط:نحو غیرژنتیکی باکتری ها برای کسب مقاومت دربرابر آنتی بیوتیک هاات به کمک تولید آنتی بیوتیک های جدید می آیندمقاومت دارویی باکتری ها و کشف راهی متاخر برای مقابله با آن
در ادامه، پژوهشگران بسیار از ۱۰۷ میلیون ساختار مولکولی را در گیرایی داده ای که ZINC15 نامیده می شود، مورد نبض وجو استراحت دادند. آن ها ۲۳ تک از این مولکول ها را در آزمایش های فیزیکی تک بررسی قرار دادند و ۸ مولکول که دارای فعالیت آنتی باکتریایی بودند، شناسایی شدند. از این میان، دو تک فعالیت قوی دربرابر طیف وسیعی از پاتوژن ها داشتند و تا اینکه توانستند پیاده شدن سویه های مقاوم به آنتی بیوتیک باکتری اشریشیا طاسی غلبه کنند. باب مورفی، فنی زیست شناسی محاسباتی درون دانشگاه کارنگی ملون در پیتسبورگ می گوید:این مطالعه، یک معیار ی برجسته است که نشان دهنده ی رشد پژوهش های مرتبط با استفاده از متد های محاسباتی برای کشف و پیش بینی ویژگی های داروهای بالقوه است.
مورفی خاطرنشان می نرم که از متد های هوش مصنوعی قبلا نیز برای کاوش پایگاه های داده مبصر متشکل از ژن ها و متابولیت ها به منظور شناسایی مولکول هایی که حاوی آنتی بیوتیک های جدید باشند، استفاده شده است. اما کالینز و گروهش می گویند رویکرد آن ها متفاوت است. آن ها بوسیله جای جست وجو به دنبال ساختارهای خاص یا کلاس های مولکولی، شبکه ی خود را آموزش می دهند تا به دنبال مولکول هایی بگردد که فعالیت خاصی داشته باشند.
پژوهشگران امیدوار هستند بتوانند با قسمت قسمت کردن یا باهم اتحاد کردن دیگری شریک شدن کنند تا هالیسین را درون کارآزمایی های بالینی مورد بررسی راحتی دهند. آن ها همچنین می خواهند رویکرد خویشتن را بخاطر یافتن آنتی بیوتیک های متاخر و طراحی تمام مولکول ها، گسترش دهند. برزیلی می گوید امر آن ها نوعی اثبات مفهوم است و علامت می دهد با چنین سیستمی چه کارهایی می استعداد انجام داد.
بیشتر بخوانید:تولد اولین کودک حاصل از تخمک منجمد بیمار سرطانیهوش مصنوعی چگونه می تواند همه گیری های مربوط باینده را پیش از شروع متوقف کند؟کشتن انتخابی سلو ل های سرطانی به کمک امواج فراصوت خاصچاپگر زیستی دستی جدید؛ امیدی برای تداوی سوختگی های شدیدساخت رباتی بخاطر خون گیری از بیماران که دقت فوقانی دارد
درباره این سایت