هیوندای

یک رویکرد یادگیری ماشین، انواع متاخر و قدرتمندی از آنتی بیوتیک‌ها را از مخزنی متشکل از بیش از ۱۰۰ میلیون مولکول شناسایی کرد. یکی از این مولکول‌ها، مولکولی است که دربرابر طیف وسیعی از باکتری‌ها ازجمله باکتری عامل سل و سویه‌های که غیرقابل علاج درنظر گرفته می‌شوند، مؤثر است. پژوهشگران می‌گویند این آنتی بیوتیک که‌هالیسین (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 حصه‌هایی از فرایند کشف آنتی بیوتیک‌ها مورد کاربرد فراغت اندوهناک بود، بوسیله گفته‌ی پژوهشگران، این نخستین بار است که یک سیستم هوش مصنوعی انواع کاملا جدیدی از آنتی بیوتیک‌ها 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 مؤسسه‌ی فناوری ماساچوست اجرا شده، در مجله‌ی Cell منتشر شده است.

ژاکوب دورانت، متخصص زیست شناسی محاسباتی از دانشگاه پیتسبورگ داخل پنسیلوانیا این مطالعه را برازنده توجه می‌خواند. او می‌گوید پژوهشگران فقط مولکول‌های کاندیدا را شناسایی نکردند بلکه همچنین مولکول‌های امیدوارکننده را درون آزمایش‌های حیوانی تأیید کردند. علاوه بر این، رویکرد آن‌ها می‌تواند درمورد گوناگون مختلف داروها مانند داروهای درمان سرطان یا بیماری‌های نورودژنراتیو نیز به فقره آید.

مقاومت باکتریایی دربرابر آنتی بیوتیک‌ها به اسلوب چشمگیری تو سرتاسر دنیا داخل حال افزایش است و پژوهشگران پیش بینی می‌کنند که اگر داروهای جدیدی بوسیله سرعت توسعه پدیدار نکند، عفونت‌های برقرار می‌توانند در آینده‌‌‌ای نزدیک (تا سال ۲۰۵۰)، هر سال ۱۰ میلیون نفر را بوسیله کام مرگ بفرستند. اما هنگام چند دهه‌ی گذشته، روانی کشف و تأیید آنتی بیوتیک‌های جدید کند بوده است. کالینز می‌گوید:پژوهشگران به طور دوباره مولکول‌های تکراری را کشف می‌کنند. ما بوسیله ترکیبات شیمیایی دارویی متاخر با مکانیسم‌های انجام جدیدی نیاز داریم.

کالینز و گروهش یک شبکه‌ی خشمناک (الگوریتم درایت بدلی الهام اندوهناک از معماری مغز) ایجاد کردند که ویژگی‌های مولکول‌ها را اتم به اتم یاد می‌گیرد. پژوهشگران به منظور یافتن مولکول‌هایی که از نمو باکتری اشریشیا کلی ممانعت می‌کنند، شبکه‌ی عصبی خود را با استفاده از کلکسیون‌‌‌ای متشکل از ۲۳۳۵ مولکول که فعالیت آنتی باکتریایی آن‌ها شناخته شده بود، آموزش دادند. این داده‌ها شامل کتابخانه‌‌‌ای متشکل از حدود ۳۰۰ آنتی بیوتیک تأییدشده و نیز ۸۰۰ علیه طبیعی از منابع گیاهی، جانوری و میکروبی بود. رجینا برزیلی پژوهشگر حوزه‌ی درایت مصنوعی تو مؤسسه‌ی فناوری ماساچوست و یکی از نویسندگان مقاله‌ی جدید می‌گوید:الگوریتم یاد می‌گیرد که عملکرد مولکول را عاری درنظر دریافت هیچگاه فرض درمورد نحوه‌ی ارتکاب داروها و عاری برچسب گذاری گروه‌های شیمیایی، پیش بینی کند. درنتیجه، این معیار می‌تواند الگوهای جدیدی را که بخاطر متخصصان انسانی ناشناخته باقی مانده است، بیاموزد.

پژوهشگران پس از آموزش مدل، از آن برای الک گری کتابخانه‌‌‌ای به شهرت Drug Repurposing Hub مصرف کردند که حاوی حدود ۶ هزار مولکول تحت بررسی برای درمان بیماری‌های مختلف انسانی است. پژوهشگران از میزان خویشتن خواستند که پیش بینی کند کدام مولکول‌ها دربرابر اشریشیا کلی مؤثر هستند و فقط مولکول‌هایی را به آن‌ها نشان دهد که با آنتی بیوتیک‌های معمول تضاد دارند. پژوهشگران ازمیان مولکول‌های پیشنهادی سیستم، حدود ۱۰۰ مولکول کاندیدا را برای آزمایش‌های فیزیکی انتخاب کردند. صریح شد یکی از این مولکول‌ها یعنی مولکولی که بخاطر علاج دیابت مورد بررسی قرار دارد (هالیسین)، آنتی بیوتیک پرعضله است. مولکول مذکور درون آزمایش‌های عمل شده روی موش‌ها، دربرابر طیف وسیعی از پاتوژن‌ها ازجمله سویه‌‌‌ای از کلوستریدیوم باطراوت (Clostridioides difficile) و سویه‌‌‌ای 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 بیوتیک‌ها مختلف است. آن‌ها هنگام مکانیسم‌هایی مانند مهار آنزیم‌های دربند داخل بیوسنتز دیواره‌ی مولکولی، نوسازی DNA خواه سنتز پروتئین عمل می‌کنند. اما مکانیسم عمل‌هالیسین غیرمعمول است. این مولکول قضیه پروتون‌ها را در غشای سلول مختل می‌بطی ء. علاوه کنار این، داخل آزمایش‌های ابتدایی حیوانی چنین به نظر می‌رسید که این مولکول سمیت کمتری داشته و دربرابر مقاومت نیز زورمند است. کالینز می‌گوید داخل آزمایش‌ها، ایستادگی دربرابر دیگر ترکیبات آنتی بیوتیکی معمولا خلال یکی دو روز ایجاد می‌شود اما درمورد‌هالیسین پس از بخشیدن ۳۰ روز نیز مقاومتی دربرابر آن دیده نشد.مقاله‌های مرتبط:نحو غیرژنتیکی باکتری‌ها برای کسب مقاومت دربرابر آنتی بیوتیک‌هاحشرات به کمک تولید آنتی بیوتیک‌های جدید می‌آیندمقاومت دارویی باکتری‌ها و کشف راهی متاخر برای مقابله با آن

در ادامه، پژوهشگران بسیار از ۱۰۷ میلیون ساختار مولکولی را در گیرایی داده‌‌‌ای که ZINC15 نامیده می‌شود، مورد نبض وجو استراحت دادند. آن‌ها ۲۳ تک از این مولکول‌ها را در آزمایش‌های 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 پاتوژن‌ها داشتند و تا اینکه توانستند پیاده شدن سویه‌های مقاوم به آنتی بیوتیک باکتری اشریشیا طاسی غلبه کنند. باب مورفی، فنی زیست شناسی محاسباتی درون دانشگاه کارنگی ملون در پیتسبورگ می‌گوید:این مطالعه، یک معیار‌ی برجسته است که نشان دهنده‌ی رشد پژوهش‌های مرتبط با استفاده از متد‌های محاسباتی برای کشف و پیش بینی ویژگی‌های داروهای بالقوه است.

مورفی خاطرنشان می‌نرم که از متد‌های هوش مصنوعی قبلا نیز برای کاوش پایگاه‌های داده مبصر متشکل از ژن‌ها و متابولیت‌ها به منظور شناسایی مولکول‌هایی که حاوی آنتی بیوتیک‌های جدید باشند، استفاده شده است. اما کالینز و گروهش می‌گویند رویکرد آن‌ها متفاوت است. آن‌ها بوسیله جای جست وجو به دنبال ساختارهای خاص یا کلاس‌های مولکولی، شبکه‌ی خود را آموزش می‌دهند تا به دنبال مولکول‌هایی بگردد که فعالیت خاصی داشته باشند.

پژوهشگران امیدوار هستند بتوانند با قسمت قسمت کردن یا باهم اتحاد کردن دیگری شریک شدن کنند تا‌هالیسین را درون کارآزمایی‌های بالینی مورد بررسی راحتی دهند. آن‌ها همچنین می‌خواهند رویکرد خویشتن را بخاطر یافتن آنتی بیوتیک‌های متاخر و طراحی تمام مولکول‌ها، گسترش دهند. برزیلی می‌گوید امر آن‌ها نوعی اثبات مفهوم است و علامت می‌دهد با چنین سیستمی‌چه کارهایی می‌استعداد انجام داد.

بیشتر بخوانید:تولد اولین کودک حاصل از تخمک منجمد بیمار سرطانیهوش مصنوعی چگونه می‌تواند همه گیری‌های مربوط باینده را پیش از شروع متوقف کند؟کشتن انتخابی سلو ل‌های سرطانی به کمک امواج فراصوت خاصچاپگر زیستی دستی جدید؛ امیدی برای تداوی سوختگی‌های شدیدساخت رباتی بخاطر خون گیری از بیماران که دقت فوقانی دارد