AI-Gedreven Ontdekking in de Strijd Tegen Antibioticaresistente Bacteriën
In een baanbrekende studie gepubliceerd in Nature, hebben onderzoekers van het MIT met behulp van diepgaand leren, een vorm van kunstmatige intelligentie, nieuwe verbindingen ontdekt die effectief zijn tegen methicilline-resistente Staphylococcus aureus (MRSA). Deze bacterie is verantwoordelijk voor meer dan 10.000 sterfgevallen per jaar in de Verenigde Staten en staat bekend om zijn weerstand tegen meerdere antibiotica.
Het team, geleid door James Collins, professor aan het Instituut voor Medische Techniek en Wetenschap van het MIT, heeft verschillende verbindingen geïdentificeerd die krachtig werken tegen MRSA en tegelijkertijd een lage toxiciteit tegen menselijke cellen vertonen, wat hen veelbelovende kandidaten maakt voor toekomstige geneesmiddelen. Deze ontdekking maakt deel uit van het Antibiotics-AI Project van het MIT, gericht op het ontdekken van nieuwe antibioticaklassen tegen verschillende dodelijke bacteriën in een periode van zeven jaar.
Het ‘Black Box’ Mysterie van AI in Geneesmiddelenontdekking Ontsluierd
Een uniek aspect van deze studie is het vermogen van het team om te ontcijferen hoe het diepgaande leermodel zijn voorspellingen voor antibiotische potentie maakt. Traditionele AI-modellen in geneesmiddelenontdekking werken vaak als ‘black boxes’ – hun redenering en interne processen blijven onbekend. Door een algoritme genaamd Monte Carlo-boomzoekopdracht aan te passen, gebruikt in andere AI-systemen zoals AlphaGo, maakten de MIT-onderzoekers de voorspellingen van hun model meer verklaarbaar.
Ze trainden het model met een uitgebreide dataset van ongeveer 39.000 verbindingen, elk getest op antibiotische activiteit tegen MRSA. Door het model te voeden met informatie over de chemische structuren van deze verbindingen en hun antibacteriële eigenschappen, stelden ze het in staat om de waarschijnlijkheid te voorspellen dat een nieuwe molecuul een effectief antibioticum zou zijn.
De echte doorbraak kwam toen het model specifieke moleculaire substructuren identificeerde die verantwoordelijk waren voor de antimicrobiële activiteit. Dit inzicht is cruciaal omdat het onderzoekers helpt bij het ontwerpen van effectievere antibiotica.
Met behulp van een reeks modellen screenden de onderzoekers ongeveer 12 miljoen commercieel beschikbare verbindingen, waarbij ze verschillende veelbelovende klassen identificeerden die activiteit vertoonden tegen MRSA. Laboratoriumtests en daaropvolgende experimenten in twee muismodellen van MRSA-infectie bevestigden de effectiviteit van deze verbindingen. Ze lijken te werken door het vermogen van de bacterie te verstoren om haar essentiële elektrochemische gradiënt over celmembranen te handhaven.
Deze ontdekking opent nieuwe wegen in de strijd tegen antibioticaresistente bacteriën. De onderzoekers hebben hun bevindingen gedeeld met Phare Bio, een non-profitorganisatie die deel uitmaakt van het Antibiotics-AI Project, voor verdere verkenning van het klinische potentieel van deze verbindingen. Ondertussen werkt het laboratorium van Collins aan het ontwerpen van meer geneesmiddelkandidaten op basis van de bevindingen van de nieuwe studie, en gebruikt het de modellen om verbindingen te zoeken die andere soorten bacteriën kunnen doden.
Het succes van deze studie markeert een belangrijke stap voorwaarts in de ontdekking van antibiotica, en toont het enorme potentieel van AI in medisch onderzoek. Het gaat niet alleen om het vinden van nieuwe geneesmiddelen, maar ook om te begrijpen hoe en waarom ze werken, wat de weg baant voor meer gerichte en effectieve behandelingen tegen de steeds groter wordende dreiging van antibioticaresistente bacteriën.