Od lat 70. XX wieku w odkryciu współczesnych antybiotyków nastąpił zastój. Obecnie Światowa Organizacja Zdrowia uznała kryzys oporności na środki przeciwdrobnoustrojowe za jedno z 10 największych globalnych zagrożeń dla zdrowia publicznego.

W przypadku wielokrotnego leczenia infekcji lekarze narażają się na ryzyko uodpornienia się bakterii na antybiotyki. Ale dlaczego infekcja miałaby powrócić po odpowiednim leczeniu antybiotykami? Jedną z dobrze udokumentowanych możliwości jest to, że bakterie stają się metabolicznie obojętne, wymykając się wykryciu tradycyjnych antybiotyków, które reagują jedynie na aktywność metaboliczną. Kiedy niebezpieczeństwo minie, bakterie wracają do życia, a infekcja pojawia się ponownie.

„Oporność narasta z biegiem czasu, a nawracające infekcje wynikają z tego stanu uśpienia” – mówi Jackie Valeri, była stypendystka MIT-Takeda Fellow (z siedzibą w klinice uczenia maszynowego w zdrowiu MIT Abdul Latif Jameel), która niedawno uzyskała tytuł doktora. . inżynierii biologicznej w Collins Lab. Valeri jest pierwszym autorem niedawnej publikacji opublikowanej w Biologia chemiczna komórki to pokazuje, jak uczenie maszynowe może pomóc w badaniu związków, które są śmiertelne dla uśpionych bakterii.

Opowieści o odporności bakteryjnej „podobnej do snu” nie są nowością dla społeczności naukowej — w ostatnich latach odkryto starożytne szczepy bakterii sprzed 100 milionów lat żyjące w energooszczędnym stanie na dnie morskim Pacyfiku.

Kierownik wydziału nauk przyrodniczych w klinice MIT Jameel James J. Collins, profesor inżynierii medycznej i nauk ścisłych w Termeer w Instytucie Inżynierii Medycznej i Nauki oraz na Wydziale Inżynierii Biologicznej MIT, niedawno trafił na pierwsze strony gazet na temat wykorzystania sztucznej inteligencji do odkrycia nowej klasy antybiotyków, którymi są: część szerszej misji grupy polegającej na wykorzystaniu sztucznej inteligencji do radykalnego rozszerzenia istniejących dostępnych antybiotyków.

Jak wynika z publikacji opublikowanej przez Nazwa naukowego czasopisma medycznegow 2019 r. można by było zapobiec 1,27 mln zgonów, gdyby zakażenia były podatne na leki, a jednym z wielu wyzwań, przed którymi stoją badacze, jest znalezienie antybiotyków, które są w stanie działać na bakterie nieaktywne metabolicznie.

W tym przypadku naukowcy z Collins Lab wykorzystali sztuczną inteligencję, aby przyspieszyć proces odkrywania właściwości antybiotyków w znanych związkach leków. W przypadku milionów cząsteczek proces ten może zająć lata, ale naukowcom udało się zidentyfikować związek zwany semapimodem w ciągu weekendu dzięki zdolności sztucznej inteligencji do przeprowadzania wysokowydajnych badań przesiewowych.

Semapimod to lek przeciwzapalny zwykle stosowany w chorobie Leśniowskiego-Crohna, a naukowcy odkryli, że jest on również skuteczny przeciwko Escherichia coli i Acinetobacter baumannii w fazie stacjonarnej.

Kolejnym odkryciem była zdolność semapimoda do niszczenia błon tak zwanych bakterii „gram-ujemnych”, które są znane ze swojej wysokiej wewnętrznej oporności na antybiotyki wynikającej z grubszej i mniej przepuszczalnej błony zewnętrznej.

Przykłady bakterii Gram-ujemnych obejmują E. coli, A. baumannii, Salmonella i Pseudomonis, dla których znalezienie nowych antybiotyków jest trudne.

„Jednym ze sposobów, w jaki odkryliśmy mechanizm sema [sic] było to, że jego struktura była naprawdę duża i przypominała nam inne rzeczy, których celem jest błona zewnętrzna” – wyjaśnia Valeri. „Kiedy zaczynasz pracować z wieloma małymi cząsteczkami… dla naszych oczu jest to dość wyjątkowa struktura”.

Rozrywając składnik błony zewnętrznej, semapimod uwrażliwia bakterie Gram-ujemne na leki, które zazwyczaj są aktywne tylko przeciwko bakteriom Gram-dodatnim.

Valeri przypomina cytat z artykułu opublikowanego w 2013 r Trendy Biotechnologia: „W przypadku infekcji Gram-dodatnich potrzebujemy lepszych leków, ale w przypadku infekcji Gram-ujemnych potrzebujemy jakichkolwiek leków”.