Исследователи надеются, что ИИ поможет решить проблему устойчивости к антибиотикам

Важные новости

Исследователи смотрят к искусственному интеллекту для решения проблемы устойчивости к антибиотикам» /></p>
<p> Антибиотики сталкиваются с надвигающейся проблемой эффективности, поскольку микробы, на которых нацелены эти лекарства, приобретают устойчивость из-за многих лет неправильного использования лечения. Теперь исследователи под руководством Сезара де ла Фуэнте из Медицинской школы Перельмана, Школы инженерных и прикладных наук и Школы искусств и наук разработали инструмент искусственного интеллекта для извлечения генетических элементов из древних молекул для открытия новых антибиотиков. Авторы и права: <i>Природная биомедицинская инженерия</i> (2024 г.). DOI: 10.1038/s41551-024-01201-x </p>
<p>«Обязательно пройдите курс антибиотиков, даже если вы почувствуете себя лучше» — это медицинская мантра, которую многие слышат, но игнорируют», — говорит Сезар де ла Фуэнте из Пенсильванского университета.</p>
<p>Он объясняет, что эта фраза, однако, имеет решающее значение, поскольку несоблюдение может помешать эффективности ключевого открытия 20-го века – антибиотиков. «И в последние десятилетия это привело к росту числа устойчивых к лекарствам бактерий, растущему глобальному кризису здравоохранения, вызывающему около 4,95 миллиона смертей в год и угрожающему сделать даже обычные инфекции смертельными», — говорит он.</p>
<p> Де ла Фуэнте, доцент президента, и группа междисциплинарных исследователей работают над биомедицинскими инновациями, способными справиться с этой надвигающейся угрозой.</p>
<p>В новом исследовании, опубликованном в журнале <i>Nature Biomedical Engineering</i> они разработали инструмент искусственного интеллекта для сбора обширных и практически неизученных биологических данных — более 10 миллионов молекул как современных, так и вымерших организмов — обнаружить новых кандидатов на роль антибиотиков.</p>
<p>«При использовании традиционных методов разработка новых доклинических препаратов для лечения инфекций занимает около шести лет, и этот процесс невероятно кропотлив и дорог», — говорит де ла Фуэнте.</p>
<p> «Наш подход к глубокому обучению может значительно сократить этот процесс». время, что снижает затраты, поскольку мы идентифицировали тысячи кандидатов всего за несколько часов, и многие из них имеют доклинический потенциал, как показало тестирование на наших моделях животных, что сигнализирует о новой эре в открытии антибиотиков».</p>
<p>Эти последние результаты основаны на методах, над которыми де ла Фуэнте работал с момента своего прибытия в Пенсильванский университет в 2019 году. Команда задала фундаментальный вопрос: можно ли использовать машины для ускорения открытия антибиотиков путем анализа мировой биологической информации? Он объясняет, что эта идея основана на представлении о том, что биология на самом базовом уровне является источником информации, который теоретически можно исследовать с помощью ИИ для поиска новых полезных молекул.</p>
<p>Команда начала с применения простых алгоритмов, которые могли бы анализировать отдельные белки и находить небольшие молекулы антибиотиков, спрятанные в их аминокислотных последовательностях. Благодаря развитию вычислительной мощности де ла Фуэнте понял, что они могут масштабироваться от добычи отдельных белков до добычи целых протеомов.</p>
<p>Де ла Фуэнте говорит, что команда начала с рассмотрения одного белка за раз, а затем с помощью компьютера. эффективность и мощность улучшились, их можно было масштабировать.</p>
<p>Затем, по его словам, они смогли добыть «целые протеомы, то есть все белки, закодированные в геноме организма, и это привело нас к открытию тысяч новых антимикробных молекул в протеоме человека, а затем и в протеомах древних гоминидов, таких как Неандертальцы и денисовцы «Затем мы поставили перед собой задачу добыть все известные науке вымершие организмы», — говорит он.</p>
<p><img decoding=

Молекулярное восстановление антибиотиков из древних протеомов с помощью глубокого обучения. Авторы и права: Природная биомедицинская инженерия (2024 г.). DOI: 10.1038/s41551-024-01201-x

Команда разработала то, что они называют «молекулярным возрождением», которое предполагает возрождение древних молекул с потенциальными терапевтическими свойствами, которые вымерли, и это привело к открытию терапевтические молекулы в геномах древних организмов. Они предполагают, что многие из обнаруженных ими молекул могут играть роль в иммунитете хозяина на протяжении эволюции.

Кульминацией этой идеи стала отдельная статья, опубликованная в журнале Cell, для которой он и его команда провели обширный анализ 87 920 геномов конкретных микробов и 63 410 смесей микробных геномов из образцов окружающей среды по всему миру. Это исследование выявило 863 498 новых кандидатных антимикробных пептидов, более 90% из которых ранее не были описаны.

И в недавнем исследовании Nature Biomedical EngineeringВ статье команда разработала мощную модель глубокого обучения под названием Antibiotic Peptide de-Extinction, APEX, которая может отбирать сотни протеомов на протяжении всей эволюционной истории, помогая идентифицировать лучших кандидатов на антибиотики из различных организмов, включая шерстистых мамонтов, слонов с прямыми бивнями, древних морских коровы и вымерший гигантский лось.

Марсело Дер Тороссиан Торрес, соавтор исследования и научный сотрудник лаборатории де ла Фуэнте, говорит, что команда начала создавать APEX с создания «высоко стандартизированного набора данных для его обучения, который отсутствовал в литературе». ,» он говорит. «Это удивительно, поскольку существует так много наборов данных, и исследователи будут использовать несколько наборов, предполагая, что все образцы были собраны очень систематическим и последовательным образом, но это не всегда так».

APEX, по его словам, также использует «вероятно, самый большой набор данных такого рода» в качестве контроля для своих экспериментов. Это позволило исследователям установить, как их модель работает по сравнению с существующими знаниями, а также подтвердить уникальность и эффективность последовательностей антибиотиков, обнаруженных APEX.

«ИИ будет успешным только в такой сложной и хаотичной области, как биологии, если у нас будут высококачественные наборы данных», — говорит де ла Фуэнте. «Мы поняли это много лет назад и усердно работали над созданием наборов данных, которые можно использовать для обучения наших алгоритмов».

Фанпин Ван, другой соавтор, который также является научным сотрудником лаборатории де ла Фуэнте, говорит, что APEX использует комбинацию рекуррентных нейронных сетей и сетей внимания, которые выполняют две ключевые задачи по идентификации зашифрованных пептидов, фрагментов внутри белков, которые обладают противомикробными свойствами.

«Рекуррентные нейронные сети, подобно белкам, отлично справляются с обработкой последовательностей, потому что они могут обрабатывать данные, входные данные которых независимы и упорядочены», — говорит Ван, — «а сети внимания улучшают способность сети обрабатывать данные». в конкретных частях структуры белка, которые, вероятно, участвуют в антимикробной активности.»

Исследователи отмечают, что APEX значительно лучше справился с прогнозированием активности, чем эталонные модели, и смог проанализировать 10 311 899 пептидов и идентифицировать 37 176 последовательностей с прогнозируемой антимикробной активностью широкого спектра, включая 11 035 последовательностей, не обнаруженных в современных организмах. <р>Некоторые из них показали эффективность в доклинических моделях инфекции на мышах. Это важный шаг, поскольку он приближает этих кандидатов к потенциальным клиническим испытаниям и возможному терапевтическому использованию. Кроме того, большинство архаичных пептидов обладали новым механизмом действия, деполяризуя клеточную мембрану бактерий, уникальный способ нацеливания на них, который намекает на новую парадигму контроля инфекционных заболеваний.

В целом вычислительная работа, выполненная в лаборатории де ла Фуэнте за последние пять лет, значительно ускорила возможность открытия новых антибиотиков. То, что раньше требовало многих лет кропотливой работы с традиционными методами, теперь можно сделать всего за несколько часов с помощью ИИ.

Дополнительная информация: Фанпин Ван и др., Открытие антибиотиков с помощью глубокого обучения посредством молекулярного вымирания, Nature Biomedical Engineering (2024). DOI: 10.1038/s41551-024-01201-x

Селио Диас Сантос-Жуниор и др., Открытие антимикробных пептидов в глобальном микробиоме с помощью машинного обучения, Cell (2024). DOI: 10.1016/j.cell.2024.05.013

Информация о журнале: Nature Biomedical Engineering, Cell

Предоставлено Университетом Пенсильвании

Новости сегодня

Последние новости