[ad_1]
تم اكتشاف فئة جديدة من المضادات الحيوية لبكتيريا المكورات العنقودية الذهبية المقاومة للأدوية (MRSA) باستخدام نماذج التعلم العميق الأكثر شفافية.
إعلان
أثبت استخدام الذكاء الاصطناعي (AI) أنه يغير قواعد اللعبة عندما يتعلق الأمر بالطب، حيث تساعد التكنولوجيا العلماء الآن على اكتشاف أول مضادات حيوية جديدة منذ 60 عامًا.
إن اكتشاف مركب جديد قادر على قتل البكتيريا المقاومة للأدوية والتي تقتل الآلاف في جميع أنحاء العالم كل عام يمكن أن يكون نقطة تحول في المعركة ضد مقاومة المضادات الحيوية.
وقال جيمس كولينز، أستاذ الهندسة الطبية والعلوم في معهد ماساتشوستس للتكنولوجيا (MIT) وأحد الباحثين: “كانت الفكرة هنا هي أننا يمكن أن نرى ما تعلمته النماذج لوضع تنبؤاتها بأن جزيئات معينة يمكن أن تصنع مضادات حيوية جيدة”. وقال مؤلفو الدراسة في بيان.
“يوفر عملنا إطارًا يتسم بالكفاءة من حيث الوقت والموارد والرؤية الثاقبة من الناحية الميكانيكية، من وجهة نظر البنية الكيميائية، بطرق لم نكن نمتلكها حتى الآن”.
نُشرت النتائج في مجلة Nature وشارك في تأليفها فريق من 21 باحثًا.
دراسة تهدف إلى “فتح الصندوق الأسود”
استخدم الفريق الذي يقف وراء المشروع نموذجًا للتعلم العميق للتنبؤ بنشاط وسمية المركب الجديد.
يتضمن التعلم العميق استخدام الشبكات العصبية الاصطناعية للتعلم تلقائيًا وتمثيل الميزات من البيانات دون برمجة واضحة.
ويتم تطبيقه بشكل متزايد في اكتشاف الأدوية لتسريع عملية تحديد الأدوية المحتملة المرشحة، والتنبؤ بخصائصها، وتحسين عملية تطوير الأدوية.
في هذه الحالة، ركز الباحثون على المكورات العنقودية الذهبية المقاومة للميثيسيلين (MRSA).
يمكن أن تتراوح العدوى بفيروس MRSA من التهابات جلدية خفيفة إلى حالات أكثر خطورة وربما تهدد الحياة مثل الالتهاب الرئوي والتهابات مجرى الدم.
تحدث ما يقرب من 150 ألف حالة إصابة بجرثومة MRSA كل عام في الاتحاد الأوروبي، بينما يموت ما يقرب من 35 ألف شخص سنويًا في الكتلة بسبب العدوى المقاومة لمضادات الميكروبات، وفقًا للمركز الأوروبي للوقاية من الأمراض ومكافحتها (ECDC).
قام فريق الباحثين من معهد ماساتشوستس للتكنولوجيا (MIT) بتدريب نموذج التعلم العميق الموسع على نطاق واسع باستخدام مجموعات البيانات الموسعة.
لإنشاء بيانات التدريب، تم تقييم ما يقرب من 39000 مركب لنشاط المضادات الحيوية ضد MRSA. وبعد ذلك، تم إدخال كل من البيانات الناتجة والتفاصيل المتعلقة بالتركيب الكيميائي للمركبات في النموذج.
وقال فيليكس وونغ، وهو باحث ما بعد الدكتوراه: “ما شرعنا في القيام به في هذه الدراسة هو فتح الصندوق الأسود. وتتكون هذه النماذج من أعداد كبيرة جدا من الحسابات التي تحاكي الاتصالات العصبية، ولا أحد يعرف حقا ما الذي يحدث تحت الغطاء”. في معهد ماساتشوستس للتكنولوجيا وجامعة هارفارد وأحد المؤلفين الرئيسيين للدراسة.
اكتشاف مركب جديد
لتحسين اختيار الأدوية المحتملة، استخدم الباحثون ثلاثة نماذج إضافية للتعلم العميق. تم تدريب هذه النماذج لتقييم سمية المركبات على ثلاثة أنواع مختلفة من الخلايا البشرية.
ومن خلال دمج تنبؤات السمية هذه مع النشاط المضاد للميكروبات المحدد مسبقًا، حدد الباحثون مركبات قادرة على مكافحة الميكروبات بشكل فعال بأقل ضرر على جسم الإنسان.
وباستخدام هذه المجموعة من النماذج، تم فحص ما يقرب من 12 مليون مركب متاح تجاريًا.
حددت النماذج مركبات من خمس فئات مختلفة، تم تصنيفها بناءً على بنى تحتية كيميائية محددة داخل الجزيئات، والتي أظهرت نشاطًا متوقعًا ضد MRSA.
إعلان
وبعد ذلك، حصل الباحثون على حوالي 280 من هذه المركبات وأجروا اختبارات ضد MRSA في بيئة معملية. قادهم هذا النهج إلى تحديد اثنين من المضادات الحيوية المرشحة الواعدة من نفس الفئة.
في التجارب التي شملت نموذجين من الفئران – أحدهما للعدوى الجلدية لجرثومة MRSA والآخر للعدوى الجهازية لجرثومة MRSA – خفض كل من هذه المركبات عدد سكان جرثومة MRSA بعامل قدره 10.
[ad_2]
المصدر