Ερευνητές του Πανεπιστημίου McMaster και του Ινστιτούτου Τεχνολογίας της Μασαχουσέτης (MIT) πραγματοποίησαν δύο επιστημονικές ανακαλύψεις ταυτόχρονα: όχι μόνο ανακάλυψαν ένα ολοκαίνουργιο αντιβιοτικό που στοχεύει στις φλεγμονώδεις νόσους του εντέρου (IBD), αλλά επίσης χρησιμοποίησαν με επιτυχία έναν νέο τύπο τεχνητής νοημοσύνης για να προβλέψουν με ακρίβεια τον τρόπο δράσης του φαρμάκου. Από ό,τι γνωρίζουν, αυτή είναι η πρώτη φορά που χρησιμοποιείται τεχνητή νοημοσύνη γι' αυτόν τον σκοπό.

Η ανακάλυψη, που περιγράφεται λεπτομερώς στο περιοδικό Nature Microbiology, αποκαλύπτει μια πολλά υποσχόμενη νέα θεραπευτική επιλογή για εκατομμύρια ανθρώπους που πάσχουν από τη νόσο του Crohn και άλλες συναφείς παθήσεις, ενώ παράλληλα παρουσιάζει σημαντικές νέες εφαρμογές της τεχνητής νοημοσύνης στην έρευνα για την ανακάλυψη φαρμάκων.

«Αυτή η εργασία δείχνει ότι είμαστε ακόμα στην αρχή όσον αφορά την ανακάλυψη φαρμάκων με τη βοήθεια της τεχνητής νοημοσύνης», τονίζει ο Jon Stokes, επίκουρος καθηγητής στο Τμήμα Βιοχημείας και Βιοϊατρικών Επιστημών του McMaster και κύριος ερευνητής της νέας μελέτης.

«Η ανάπτυξη του νέου φαρμάκου μας, το οποίο έχει σχεδιαστεί για να στοχεύει τις φλεγμονώδεις νόσους του εντέρου, έχει επιταχυνθεί χάρη στη συνεργασία μεταξύ ανθρώπων και γενετικής τεχνητής νοημοσύνης».

Ένα εξειδικευμένο αντιβιοτικό

Τα περισσότερα αντιβιοτικά που χρησιμοποιούνται σήμερα στις κλινικές είναι φάρμακα «ευρέος φάσματος», που σημαίνει ότι εξοντώνουν τα καλά βακτήρια εκτός από αυτά που προκαλούν ασθένειες — «είναι πυρηνικά όπλα», εξηγεί ο Stokes.

Αυτό μπορεί να δημιουργήσει ευκαιρίες για επεμβατικά και ανθεκτικά στα φάρμακα είδη βακτηρίων, όπως το E. coli, να εισχωρήσουν και να αποικίσουν τα έντερα, γεγονός που μπορεί να επιδεινώσει παθήσεις όπως η νόσος του Crohn.

Ωστόσο, το enterololin, το νέο αντιβιοτικό που ανακαλύφθηκε στο McMaster, είναι ένα φάρμακο «στενού φάσματος», που σημαίνει ότι δεν επηρεάζει το μικροβίωμα και επιτίθεται μόνο σε μια συγκεκριμένη ομάδα βακτηρίων που προκαλούν ασθένειες — στην περίπτωση αυτή, μια οικογένεια βακτηρίων που ονομάζεται Enterobacteriaceae, η οποία περιλαμβάνει το E. coli.

Αυτό σημαίνει ότι όχι μόνο σκοτώνει το E. coli, αλλά και μειώνει την πιθανότητα τα ανθεκτικά στα φάρμακα στελέχη να αποικίσουν το έντερο.

Όταν η τεχνητή νοημοσύνη επιταχύνει τις εξελίξεις

Μέχρι σήμερα, η τεχνητή νοημοσύνη έχει αξιοποιηθεί ως εργαλείο για την πρόβλεψη των μορίων που ενδέχεται να έχουν θεραπευτική δυναμική, αλλά αυτή η μελέτη την χρησιμοποίησε για να περιγράψει αυτό που οι ερευνητές αποκαλούν «μηχανισμό δράσης» — ή πώς τα φάρμακα επιτίθενται στην ασθένεια.

«Η τεχνητή νοημοσύνη έχει επιταχύνει τον ρυθμό με τον οποίο μπορούμε να εξερευνήσουμε τον χημικό χώρο για νέα υποψήφια φάρμακα, αλλά, μέχρι τώρα, έχει συμβάλει ελάχιστα στην ανακούφιση ενός σημαντικού εμποδίου στην ανάπτυξη φαρμάκων, που είναι η κατανόηση του τι κάνουν πραγματικά αυτά τα νέα υποψήφια φάρμακα», εξηγεί ο Stokes.

Οι μελέτες για τον μηχανισμό δράσης των φαρμάκων, λέει, είναι απαραίτητες για την ανάπτυξη φαρμάκων. Βοηθούν τους επιστήμονες να επιβεβαιώσουν την ασφάλεια, να βελτιστοποιήσουν τη δοσολογία, να κάνουν τροποποιήσεις για να βελτιώσουν την αποτελεσματικότητα και, μερικές φορές, ακόμη και να ανακαλύψουν εντελώς νέους στόχους φαρμάκων.

Βοηθούν επίσης τις ρυθμιστικές αρχές να καθορίσουν εάν ένα συγκεκριμένο υποψήφιο φάρμακο είναι κατάλληλο για χρήση σε ανθρώπους.

Ωστόσο, είναι επίσης γνωστό ότι είναι ακριβές και αργές.

Ο Stokes λέει ότι μια διεξοδική μελέτη μπορεί να διαρκέσει έως και δύο χρόνια και να κοστίσει περίπου 2 εκατομμύρια δολάρια. Ωστόσο, χρησιμοποιώντας την τεχνητή νοημοσύνη, η ομάδα του ολοκλήρωσε τη μελέτη για την εντερολολίνη σε μόλις έξι μήνες και με κόστος μόλις 60.000 δολάρια.

Πράγματι, μετά την ανακάλυψη του νέου αντιβιοτικού από το εργαστήριό του, ο Stokes επικοινώνησε με συναδέλφους του στο Εργαστήριο Επιστήμης Υπολογιστών και Τεχνητής Νοημοσύνης (CSAIL) του MIT για να δει αν κάποια από τις αναδυόμενες πλατφόρμες μηχανικής μάθησης θα μπορούσε να βοηθήσει στην επιτάχυνση των μελλοντικών μελετών MOA.

Σε μόλις 100 δευτερόλεπτα, έλαβε μια πρόβλεψη: το νέο φάρμακό του επιτίθεται σε ένα μικροσκοπικό πρωτεϊνικό σύμπλεγμα που ονομάζεται LolCDE, το οποίο είναι απαραίτητο για την επιβίωση ορισμένων βακτηρίων.

«Η χρήση της τεχνητής νοημοσύνης στην ανακάλυψη φαρμάκων έχει επικεντρωθεί κυρίως στην αναζήτηση χημικού χώρου και στον εντοπισμό νέων μορίων που ενδέχεται να είναι δραστικά», λέει η Regina Barzilay, καθηγήτρια στη Σχολή Μηχανικής του MIT και δημιουργός του DiffDock, του μοντέλου τεχνητής νοημοσύνης που έκανε την πρόβλεψη.

«Αυτό που δείχνουμε εδώ είναι ότι η τεχνητή νοημοσύνη μπορεί επίσης να παρέχει μηχανιστικές εξηγήσεις, οι οποίες είναι κρίσιμες για την προώθηση ενός μορίου στη διαδικασία ανάπτυξης».

Η Barzilay συμπεριλήφθηκε πρόσφατα στη λίστα των πιο επιδραστικών προσώπων στον τομέα της τεχνητής νοημοσύνης του περιοδικού Time.

Ο Stokes τονίζει ότι, αν και η πρόβλεψη ήταν ενδιαφέρουσα, ήταν ακριβώς αυτό: μια πρόβλεψη. Θα έπρεπε ακόμα να διεξάγει παραδοσιακές μελέτες MOA στο εργαστήριο.

«Προς το παρόν, δεν μπορούμε απλώς να υποθέσουμε ότι αυτά τα μοντέλα τεχνητής νοημοσύνης είναι απολύτως σωστά, αλλά η ιδέα ότι θα μπορούσαν να είναι σωστά αφαίρεσε την αβεβαιότητα από τα επόμενα βήματά μας», εξηγεί ο Stokes, μέλος του Ινστιτούτου Michael G. DeGroote για την Έρευνα των Λοιμωδών Νοσημάτων στο McMaster.

Έτσι, η ομάδα του, με επικεφαλής σε μεγάλο βαθμό τη μεταπτυχιακή φοιτήτρια του McMaster Denise Catacutan, άρχισε να ερευνά τον MOA της εντερολολίνης, χρησιμοποιώντας την πρόβλεψη του MIT ως αφετηρία.

Μέσα σε λίγους μόνο μήνες, κατέστη σαφές ότι η τεχνητή νοημοσύνη είχε πράγματι δίκιο.

Ο δρόμος προς τους ασθενείς

Η εταιρεία Stoked Bio, που δημιουργήθηκε από τον Stokes, έχει ήδη αποκτήσει άδεια χρήσης της εντερολολίνης από το McMaster και επί του παρόντος την βελτιστοποιεί για χρήση σε ανθρώπους.

Η εταιρεία δοκιμάζει επίσης τροποποιημένες εκδόσεις του νέου αντιβιοτικού κατά άλλων ανθεκτικών στα φάρμακα βακτηρίων, όπως το Klebsiella, και τα πρώτα αποτελέσματα είναι πολλά υποσχόμενα.

Αν όλα πάνε καλά, ο Stokes λέει ότι το νέο φάρμακο θα είναι έτοιμο για δοκιμές σε ανθρώπους εντός τριών ετών — ένα χρονοδιάγραμμα που η ερευνητική του ομάδα είναι πρόθυμη να τηρήσει.

Πηγή: Medical Xpress