Методы машинного обучения совершают революцию в разработке антибиотиков

Вы, наверное, читали ужасные истории об устойчивых к антибиотикам бактериях, наиболее известная из которых — золотистый стафилококк (MRSA), который сеет хаос в больницах по всему миру. По оценкам 10 миллионов человек могут умереть ежегодно По словам уходящего в отставку главного врача Великобритании Салли Дэвис, к 2050 году от этих супербактерий не будет достигнуто заметного прогресса в борьбе с микробами, устойчивыми к антибиотикам. Хорошей новостью является то, что исследователи недавно добились прорыва в этой битве с помощью искусственного интеллекта (ИИ) и, в частности, машинного обучения.

Мы посмотрим, как ученым удалось применить новейшие методы машинного обучения для создания нейронных сетей, чтобы совершить важнейшее открытие антибиотиков способом, который никогда не считался возможным. И хотя организации всех видов отчаянно нуждаются в новых специалистах в области ИИ, последние открытия в области антибиотиков с использованием ИИ открыли новые горизонты для профессионалов, работающих в этой передовой области.

Встречайте халицин: первый в мире антибиотик, открытый ИИ

Исследователи из Массачусетского технологического института (MIT) вошли в историю в феврале, когда объявили об открытии нового антибиотика, способного убивать целый ряд штаммов бактерий, устойчивых ко всем другим антибиотикам. Супербактерии, против которых оказался эффективным этот новый антибиотик, включают Acinetobacter baumannii и Enterobacteriaceae, которые являются двумя из трех наиболее устойчивых к антибиотикам штаммов бактерий. считается высшим приоритетом Всемирной организацией здравоохранения.

Что значит быть «устойчивым к антибиотикам»? Проще говоря, бактерии быстро эволюционируют, когда сталкиваются с антибиотиками. Более сильные бактерии, пережившие курс антибиотиков, размножаются и становятся супербактериями завтрашнего дня. Частично виновато чрезмерное использование антибиотиков (поскольку они уничтожают более слабые микробы). Однако неспособность разработать антибиотики следующего поколения для лечения этих новых, более смертоносных микробов представляет еще больший риск. В идеале новые лекарства будут воздействовать на супербактерии новыми способами, что значительно усложнит адаптацию (т. е. устойчивость к лекарствам).

Это подводит нас к халицину — революционному антибиотику, разработанному в Массачусетском технологическом институте при значительной поддержке технологий машинного обучения. Учитывая его искусственное происхождение, исследователи назвали его в честь Хэла, интеллектуальной программы, управляющей кораблем из романа (и фильма) «2001: Космическая одиссея». К счастью, халицин не злобен, как его тезка Хэл, и обещает спасти бесчисленное количество человеческих жизней. Наиболее многообещающей является неспособность бактерий адаптироваться к галицину, в отличие от многих других антибиотиков, которые в конечном итоге имеют короткую продолжительность жизни и вызывают появление новых супербактерий.

Выпускать халицин в общее пользование еще слишком рано. Тем не менее, в испытаниях на мышах было показано, что он убивает микроб, ответственный за туберкулез, в дополнение к ранее упомянутым супербактериям. Но без использования ИИ исследователи утверждают, что это достижение было бы невозможно.

Восстание машин: как методы машинного обучения произвели революцию в борьбе с супербактериями

Чтобы по-настоящему оценить преимущества использования машинного обучения для открытия лекарств, полезно понять, как это обычно делается. Ученые обычно изучают огромные базы данных, содержащие более 1 миллиарда молекул, в поисках тех, которые обладают определенными известными свойствами (в зависимости от их молекулярной структуры или класса). ИИ использовался для помощи в этом начинании в течение нескольких лет, но это был кропотливый процесс, ограниченный тем, что уже известно ученым.

Например, они могут искать вещества с определенной структурой, основанные на том, что хорошо действует против определенного типа микробов. Это целенаправленный процесс, но не очень детализированный и обширный (представьте, что он использует ограниченный набор «известных известных»), в результате чего образуется огромное количество потенциальных кандидатов, которых необходимо изучить более внимательно. Затем ученые должны получить или создать эти вещества и физически протестировать их в лаборатории, прежде чем они смогут определить, имеют ли они потенциал, и сузить список кандидатов.

Помимо тестирования штамма бактерий и измерения того, насколько быстро он адаптируется, исследователи должны убедиться, что он не вреден для человека. Это приводит к очень долгий и дорогостоящий процесс открытия это отпугивает многих потенциальных разработчиков антибиотиков.

Напротив, исследователям Массачусетского технологического института удалось обучить алгоритм глубокого обучения (нейронную сеть) на 107 миллионах соединений из базы данных в 1,5 миллиарда. Три дня спустя у них был короткий список из 23 соединений, два из которых оказались многообещающими. Вместо того, чтобы начинать с определенных известных свойств, алгоритм учится прогнозировать функцию молекул без каких-либо предвзятых представлений о том, как обычно действуют антибиотики, объяснила исследователь Массачусетского технологического института (и соавтор исследования) Регина Барзилай в статье в журнале Nature.

«В результате модель может изучать новые закономерности, неизвестные экспертам-людям», — сказал Барзилай.

Это означает, что исследователи лекарств могут использовать ИИ (и, в частности, машинное обучение), чтобы помочь им мыслить нестандартно при открытии новых антибиотиков, одновременно значительно сокращая время, необходимое для их вывода на рынок. Нейронная сеть помогает сузить список потенциальных кандидатов на лекарства до нескольких, прежде чем они будут проверены в лаборатории, часто выделяя вещества, которые действуют совершенно по-новому. Это также может побудить больше фармацевтических компаний помочь в борьбе с супербактериями.

Что будет дальше с ИИ в разработке антибиотиков?

Исследователи Массачусетского технологического института теперь хотят обратить свое внимание на более чем 1 миллиард других веществ в своей базе данных, продолжая поиск потенциальных решений кризиса супербактерий. Столь эффективный процесс поиска нескольких иголок в стоге сена — тестирование более 100 миллионов веществ — раньше был немыслим.

Этот процесс также имеет потенциал для разработки лекарств, которые будут более избирательными в своем действии. Например, Барзилай сказала, что надеется найти вещества, которые щадят полезные кишечные бактерии, уделяя при этом внимание исключительно тем микробам, которые вызывают болезни. Ученые также выразили заинтересованность в том, чтобы выйти за рамки известных молекул и создать вещества полностью с нуля на основе того, что они обнаружили с помощью своих нейронных сетей.

Что касается галицина, самого многообещающего антибиотика, появившегося в ближайшее время, исследователи, открывшие его, надеются сотрудничать с организацией для его дальнейшей разработки и проведения клинических испытаний. Это захватывающее время для исследований антибиотиков, если не сказать больше!

Начните свою карьеру в захватывающей области искусственного интеллекта и машинного обучения

Надеетесь ли вы найти самый многообещающий антибиотик завтрашнего дня или имеете другие амбиции в области технологий или мира бизнеса, нельзя отрицать влияние искусственного интеллекта на будущее. Фактически, ИИ становится фактором практически во всех отраслях и дисциплинах, а не только в ИТ-компаниях. Технологии развиваются настолько быстро, что сейчас нет лучшего времени, чем сейчас, чтобы присоединиться к ним. Все, что нужно, — это ноутбук и подключение к Интернету, чтобы получить обучение мирового уровня от сегодняшних лидеров в этой области. Доказано, что уникальный подход смешанного обучения Simplilearn поможет вам овладеть навыками, необходимыми для достижения успеха в вашей области. Некоторые из наших лучших курсов по искусственному интеллекту включают следующее:

Не ждите завтрашнего дня; лови свое будущее сегодня!