کشف آنتی‌بیوتیک‌های قدرتمند به یاری هوش مصنوعی

یادگیری خودرو مولکول‌هایی را که چه بسا دربرابر سویه‌های غیرقابل معالجه باکتری‌ها اثر دارا هستند , کشف مینماید .

یک روش یاد گرفتن خودرو , اشکال نو و قدرتمندی از آنتی‌بیوتیک‌ها را از مخزنی متشکل‌از بیش تر از ۱۰۰ میلیون مولکول شناسایی کرد . یک کدام از این مولکول‌ها , مولکولی است که دربرابر طیف وسیعی از باکتری‌ها من جمله باکتری استدلال سل و سویه‌های که غیرقابل معالجه درنظر گرفته میگردند , مؤثر است . دانشمندان میگویند این آنتی‌بیوتیک که هالیسین ( halicin ) اسم دارااست , اولی آنتی‌بیوتیکی است که با استعمال از سیستم هوش تصنعی کشف شده‌است . هر چند هوش تصنعی و مصنوعی پیشین از این به‌منظور یاری به بخش‌هایی از فرآیند کشف آنتی‌بیوتیک‌ها مورد استعمال قرار گرفته بود , به‌گفته‌ی دانشمندان , این نخستین‌بار است که یک سیستم هوش تصنعی گونه های به طور کامل جدیدی از آنتی‌بیوتیک‌ها را فارغ از درنظر دریافت کردن احتمال ها گذشته انسانی و به‌خودی‌خود کشف نموده است . حاصل پژوهش نو که زیر سوق دهی جیم کالینز , کارشناس زیست‌شناسی تصنعی و مصنوعی از مؤسسه‌ی فناوری ماساچوست انجام یافته , در مجله‌ی Cell نشر داده شده شده‌است .

ژاکوب دورانت , کارشناس زیست‌شناسی محاسباتی از دانش گاه پیتسبورگ در پنسیلوانیا این مطالعه را قابل‌توجه میخواند . وی می گوید محققان تنها مولکول‌های کاندیدا را شناسایی نکردند بلکه همینطور مولکول‌های امید بخش را در آزمایش‌های حیوانی تأیید کردند . علاوه‌بر‌این , روش آنها میتواند درمورد اشکال گوناگون داروها نظیر داروهای معالجه سرطان یا این که بیماری‌های نورودژنراتیو هم به فعالیت آید .

پایداری باکتریایی دربرابر آنتی‌بیوتیک‌ها به‌طرز چشمگیری در سرتاسر دنیا در اکنون ارتقا است و محققان پیش‌بینی می نمایند که در شرایطی‌که داروهای جدیدی تخت‌گاز گسترش پیدا نکند , عفونت‌های مقاوم می توانند در آینده‌ای نزدیک ( تا سال ۲۰۵۰ ) , هر سال ۱۰ میلیون نفر را به کام مرگ بفرستند . ولی طی یک سری دهه‌ی پیشین , پروسه کشف و تأیید آنتی‌بیوتیک‌های تازه نماید بوده است . کالینز میگوید :

محققان به‌طور مکرر مولکول‌های تکراری را کشف می کنند . ما به ترکیبات شیمیایی دارویی تازه با مکانیسم‌های کار جدیدی نیاز داریم .

کالینز و گروهش یک شبکه‌ی عصبی ( الگوریتم هوش تصنعی الهام‌گرفته از معماری مغز ) تولید کردند که ویژگی‌های مولکول‌ها را اتم به اتم یاد می گیرد . محققان به‌منظور یافتن مولکول‌هایی که از پرورش باکتری اشریشیا کلی ممانعت می‌نمایند , شبکه‌ی عصبی خویش را با به کارگیری از مجموعه‌ای متشکل‌از ۲۳۳۵ مولکول که عمل آنتی‌باکتریایی آنها شناخته شده بود , یادگرفتن دادند . این داده‌ها مشتمل بر کتابخانه‌ای متشکل‌از حدود ۳۰۰ آنتی‌بیوتیک تأییدشده و هم ۸۰۰ فرآورده ارگانیک از منابع گیاهی , جانوری و میکروبی بود . رجینا برزیلی پژوهشگر حوزه‌ی هوش تصنعی در مؤسسه‌ی فناوری ماساچوست و یک کدام از نویسندگان مقاله‌ی تازه میگوید :

الگوریتم یاد می گیرد که همت مولکول را سوای درنظر دریافت کردن هیچ فرض درمورد نحوه‌ی فعالیت داروها و سوای برچسب‌گذاری گروه‌های شیمیایی , پیش‌بینی نماید . درنتیجه , این جور قادر است الگوهای جدیدی را که برای متخصصین انسانی ناشناخته باقیمانده است , بیاموزد .

محققان بعد از فراگیری گونه , از آن برای غربال‌گری کتابخانه‌ای به‌نام Drug Repurposing Hub به کار گیری کردند که دربردارنده حدود ۶ هزار مولکول زیر بررسی برای معالجه بیماری‌های متفاوت انسانی است . دانشمندان از جور خویش خواستند که پیش‌بینی نماید کدام مولکول‌ها دربرابر اشریشیا کلی مؤثر می باشند و صرفا مولکول‌هایی را به آنان نشان دهد که با آنتی‌بیوتیک‌های معمول فرق دارا‌هستند . محققان ازمیان مولکول‌های پیشنهادی سیستم , حدود ۱۰۰ مولکول کاندیدا را برای آزمایش‌های فیزیکی گزینش کردند . معین شد یکی این مولکول‌ها یعنی مولکولی که برای معالجه دیابت مورد بررسی جای دارد ( هالیسین ) , آنتی‌بیوتیک حاذق است . مولکول مذکور در آزمایش‌های انجام‌شده روی موش‌ها , دربرابر طیف وسیعی از پاتوژن‌ها از جمله سویه‌ای از کلوستریدیوم مشقت بار ( Clostridioides difficile ) و سویه‌ای از آسینتوباکتر بائومانی ( Acinetobacter baumannii ) که دارنده ایستادگی آنتی‌بیوتیکی می‌باشند , فعال بود .

باکتری اشریشیا کلی ( به رنگ سبز ) تحت میکروسکوپ الکترونی روبشی

مهار پروتون
مکانیسم فعالیت آنتی‌بیوتیک‌ها گوناگون است . آنان طی مکانیسم‌هایی مثل مهار آنزیم‌های سرگرم در بیوسنتز دیواره‌ی مولکولی , ترمیم DNA یا این که سنتز پروتئین فعالیت میکنند . ولی مکانیسم فعالیت هالیسین غیرمعمول است . این مولکول جریان پروتون‌ها را در غشای سلول مختل می کند . علاوه‌بر‌این , در آزمایش‌های مقدماتی حیوانی چنین به‌نظر میرسید که‌این مولکول سمیت کمتری داشته و دربرابر ایستادگی هم قدرتمند است . کالینز میگوید در آزمایش‌ها , ایستادگی دربرابر دیگر ترکیبات آنتی‌بیوتیکی به طور معمول طی یکی دو روز ساخت میشود البته درمورد هالیسین بعداز گذشت ۳۰ روز هم مقاومتی دربرابر آن چشم نشد .

به‌دنبال , دانشمندان بیش تر از ۱۰۷ میلیون ساختار مولکولی را در مقر داده‌ای که ZINC15 نامیده می شود , مورد جست‌وجو قرار دادند . آنان ۲۳ مورد از این مولکول‌ها را در آزمایش‌های فیزیکی مورد بررسی قرار دادند و ۸ مولکول که دارنده عمل آنتی‌باکتریایی بودند , شناسایی شدند . از این در میان , دو مورد کار حاذق دربرابر طیف وسیعی از پاتوژن‌ها داشتند و چه بسا توانستند بر سویه‌های مقاوم به آنتی‌بیوتیک باکتری اشریشیا کلی غلبه نمایند . باب مورفی , کارشناس زیست‌شناسی محاسباتی در دانشکده کارنگی ملون در پیتسبورگ می گوید :

این مطالعه , یک نمونه‌ی خوب است که نشان‌دهنده‌ی پرورش پژوهش‌های مربوط به به کارگیری از روش‌های محاسباتی برای کشف و پیش‌بینی ویژگی‌های داروهای بالقوه است .

مورفی خاطرنشان می‌نماید که از روش‌های هوش تصنعی و مصنوعی پیش از این هم برای جستجو پایگاه‌های داده بزرگ متشکل‌از ژن‌ها و متابولیت‌ها به‌منظور شناسایی مولکول‌هایی که دربردارنده آنتی‌بیوتیک‌های نو باشند , مصرف شده شده‌است . ولی کالینز و گروهش می گویند راه آنان مختلف است . آنان به‌جای جست‌وجو در پی ساختارهای یگانه یا این که کلاس‌های مولکولی , شبکه‌ی خویش را فراگیری میدهند تا در پی مولکول‌هایی بگردد که عمل خاصی داشته باشند .

دانشمندان امیدوار می‌باشند بتوانند با مجموعه یا این که کمپانی دیگری همیاری نمایند تا هالیسین را در کارآزمایی‌های بالینی مورد بررسی قرار دهند . آنان همینطور میخواهند رویه خویش را برای یافتن آنتی‌بیوتیک‌های تازه و پباده سازی بی نقص مولکول‌ها , توسعه و گسترش دهند . برزیلی میگوید فعالیت آنان نوعی ثابت معنا است و نشان می دهد با چنین سیستمی چه کارهایی می‌توان انجام اعطا کرد .

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *