Аналитика
Нова класа на антибиотици за бактеријата Staphylococcus aureus (MRSA) која досега се покажа отпорна на лекови е откриена на Технолошкиот институт во Масачусетс (МИТ) во САД, со помош на потранспарентни модели за длабоко учење и тоа цели 60 години од последното откритие на антибиотик. Откривањето на ново соединение кое може да убие бактерија отпорна на лекови која секоја година убива илјадници луѓе ширум светот, може да се покаже како пресвртница во борбата против отпорноста на антибиотици.
„Увидот овде беше дека можеме да видиме што е научено од моделите за да ги направат нивните предвидувања дека одредени молекули ќе направат добри антибиотици“, Џејмс Колинс, професор по медицински инженеринг и наука на Технолошкиот институт во Масачусетс (МИТ) и еден од авторите на студијата, се вели во соопштението. „Нашата работа обезбедува рамка која е временски ефикасна, ефикасна за ресурси и механички прониклива, од гледна точка на хемиска структура, на начини на кои досега не сме имале“.
Резултатите беа објавени денес во Nature и коавторство на тим од 21 истражувач.
Тимот зад проектот користеше модел за длабоко учење за да ја предвиди активноста и токсичноста на новото соединение.
Длабокото учење вклучува употреба на вештачки невронски мрежи за автоматско учење и претставување карактеристики од податоци без експлицитно програмирање. Тоа сè повеќе се применува во откривањето лекови за да се забрза идентификацијата на потенцијалните кандидати за лекови, да се предвидат нивните својства и да се оптимизира процесот на развој на лекови.
Во овој случај, истражувачите се фокусираа на Staphylococcus aureus отпорен на метицилин (MRSA).
Инфекциите со MRSA може да варираат од благи инфекции на кожата до посериозни и потенцијално опасни по живот состојби како што се пневмонија и инфекции на крвотокот. Речиси 150.000 инфекции со MRSA се случуваат секоја година во Европската унија, додека речиси 35.000 луѓе годишно умираат во блокот од инфекции отпорни на микроби, според Европскиот центар за превенција и контрола на болести (ECDC).
Тимот на истражувачи на МИТ обучи екстензивно зголемен модел за длабоко учење користејќи проширени сетови на податоци.
За да се создадат податоци за обука, приближно 39.000 соединенија беа оценети за нивната антибиотска активност против MRSA. Последователно, и добиените податоци и детали во врска со хемиските структури на соединенијата беа внесени во моделот.
„Она што сакавме да го направиме во оваа студија беше да ја отвориме црната кутија. Овие модели се состојат од многу голем број пресметки кои имитираат нервни врски, и никој навистина не знае што се случува под хаубата“, рече Феликс Вонг, постдокторант на МИТ и Харвард и еден од водечките автори на студијата.
За да го подобрат изборот на потенцијални лекови, истражувачите употребија три дополнителни модели за длабоко учење. Овие модели беа обучени да ја проценат токсичноста на соединенијата на три различни типови човечки клетки.
Со интегрирање на овие предвидувања за токсичност со претходно утврдената антимикробна активност, истражувачите посочија соединенија способни ефикасно да се борат против микробите со минимална штета за човечкото тело.
Користејќи го овој сет на модели, беа прегледани приближно 12 милиони комерцијално достапни соединенија.
Моделите идентификуваа соединенија од пет различни класи, категоризирани врз основа на специфични хемиски подструктури во молекулите, кои покажаа предвидена активност против MRSA. Потоа, истражувачите набавија околу 280 од овие соединенија и спроведоа тестови против MRSA во лабораториски услови. Овој пристап ги наведе да идентификуваат два надежни кандидати за антибиотици од иста класа.
Во експериментите кои вклучуваат два модели на глувци – еден за инфекција на кожата со MRSA и друг за системска инфекција со MRSA – секое од овие соединенија ја намали популацијата на MRSA за 10 пати.
