باوجود نگرانی‌های فزاینده در مورد مقاومت آنتی‌بیوتیکی، فرایند پژوهش‌های منجر به کشف داروهای جدید آنتی‌بیوتیکی کند شده است، زیرا شناسایی مولکول‌های جدید مناسب برای ساخت داروهای آنتی‌بیوتیک به‌شدت دشوارتر می‌شوند.
این موضوع به دلیل بروز پدیده مقاومت آنتی‌بیوتیکی و مقاوم شدن باکتری‌ها بسیار مهم است. پژوهشگران به‌تازگی روشی را کشف کردند که با کمک هوش مصنوعی و یادگیری ماشینی می‌تواند آنتی‌بیوتیک‌های جدید و کارآمدی تولید کند.
جیمز کالینز، زیست‌شناس ترکیبی (synthetic biologist) و پژوهشگر موسسه فناوری ماساچوست (MIT) و تیمی از محققان با همکاری وی برای شناسایی مولکول‌های آنتی‌بیوتیکی احتمالی با استفاده از ترکیباتی که برای سرکوب رشد E. coli شناخته‌شده‌اند، یک شبکه عصبی عمیق مبتنی بر هوش مصنوعی را آموزش دادند.
درنتیجه بررسی‌های انجام‌شده توسط هوش مصنوعی، یک ترکیب خاص به نام هالیسین (halicin) شناسایی شد که ازنظر ساختاری با مولکول‌های آنتی‌بیوتیکی معمولی متفاوت است. این ماده از مکانیسم غیرمعمولی نسبت به آنتی‌بیوتیک‌های بالینی برای مبارزه با طیف گسترده‌ای از پاتوژن های انسانی و موش‌ها، ازجمله Clostridioides difficile و Acinetobacter baumannii استفاده می‌کند.
این محققان در ادامه، شبکه‌ای از این داده‌ها را برای بررسی سایر مولکول‌های موجود در ترکیبات مختلف شیمیایی و پیش‌بینی احتمال موفقیت آن‌ها برای سرکوب رشد باکتری‌ها مورداستفاده قراردادند.
محققان درنتیجه این آزمایش دریافتند كه تقریباً 50٪ از این ترکیبات كه در اولویت‌بندی آن‌ها برای آزمایش قرار داشتند، اثربخشی مناسبی داشته و در شرایط آزمایشگاهی در محدود كردن تکثیر E. coli موفق بودند.
درنتیجه بررسی‌های انجام‌شده توسط هوش مصنوعی، یک ترکیب خاص به نام هالیسین (halicin) شناسایی شد که ازنظر ساختاری با مولکول‌های آنتی‌بیوتیکی معمولی متفاوت است.
این ماده از مکانیسم غیرمعمولی نسبت به آنتی‌بیوتیک‌های بالینی برای مبارزه با طیف گسترده‌ای از پاتوژن های انسانی و موش‌ها، ازجمله Clostridioides difficile و Acinetobacter baumannii استفاده می‌کند.
درحالی‌که این اطلاعات گسترده‌ای از مولکول‌ها به‌عنوان منابع بالقوه آنتی‌بیوتیک‌های جدید برای ساخت دارو در اختیار پژوهشگران قرار دارد اما محققان تاکنون روش کارآمدی برای شناسایی آن‌ها برای ساخت داروهای جدید و موفق آنتی‌بیوتیک به دست نیاورده‌اند.
به باور پژوهشگران، پذیرش گسترده هوش مصنوعی و استفاده از شبکه‌های عصبی عمیق مبتنی بر یادگیری مصنوعی می‌توانند در جستجوی آنتی‌بیوتیک‌های جدید و منحصربه‌فرد مؤثر بوده و در صرف زمان و هزینه‌های پژوهشی صرفه‌جویی قابل‌توجهی ایجاد کند.
به باور اعضای این تیم مطالعاتی، این امر تا حدودی به دلیل عدم ایجاد انگیزه‌های اقتصادی برای کشف داروهای آنتی‌بیوتیک جدید و قدرتمند ضروری است. رویکردهای مبتنی بر یادگیری عمیق می‌تواند ما را قادر سازند که از ظهور پاتوژن های مقاوم به چند دارو و استفاده در عصر دوم آنتی‌بیوتیک‌ها موفق شویم.
شرح کامل این پژوهش و یافته‌های به‌دست‌آمده از آن در آخرین شماره مجله تخصصی Cell منتشرشده و در اختیار پژوهشگران قرار دارد.
مترجم: احسان محمدحسینی
No tags for this post.