מחקר בראשות בית הספר לרפואה פרלמן משתמש בבינה מלאכותית כדי לקדם את גילוי האנטיביוטיקה, תוך ניתוח נתונים גנומיים נרחבים כדי לזהות כמעט מיליון תרכובות פוטנציאליות. גישה זו חשפה מועמדים מבטיחים רבים שיכולים להוביל לטיפולים חדשים יעילים עבור חיידקים עמידים לאנטיביוטיקה.
חוקרים מ-Pen Medicine ניתחו נתונים גנומיים כדי לגלות אנטיביוטיקה חדשה בתוך המיקרוביום העולמי.
כמעט מאה שנה לאחר ההשקה פורצת הדרך של אנטיביוטיקה כמו פניצילין, שהפכה את הרפואה על ידי שימוש בתכונות האנטיבקטריאליות הטבעיות של חיידקים, מחקר חדש בראשות בית הספר לרפואה פרלמן באוניברסיטת פנסילבניה מצביע על כך שגילוי אנטיביוטיקה של מוצרים טבעיים עומד להאיץ לעידן חדש, מופעל על ידי בינה מלאכותית (AI).
המחקר, שפורסם ב תָאמפרט כיצד החוקרים השתמשו בצורת AI שנקראת למידת מכונה לחפש אנטיביוטיקה במערך נתונים עצום המכיל גנומים מתועדים של עשרות אלפי חיידקים ואורגניזמים פרימיטיביים אחרים. מאמץ חסר תקדים זה הניב כמעט מיליון תרכובות אנטיביוטיות פוטנציאליות, כאשר עשרות הראו פעילות מבטיחה בבדיקות ראשוניות נגד חיידקים גורמי מחלות.
"AI בגילוי אנטיביוטיקה הוא כעת מציאות והאיצה משמעותית את היכולת שלנו לגלות תרופות מועמדות חדשות. מה שלקח פעם שנים ניתן להשיג כעת תוך שעות באמצעות מחשבים", אמר מחבר שותף בכיר במחקר סזאר דה לה פואנטה, דוקטורט, עוזר נשיאותי בפסיכיאטריה, מיקרוביולוגיה, כימיה, הנדסה כימית וביו-מולקולרית וביו-הנדסה.
הטבע כארון תרופות
הטבע תמיד היה מקום טוב לחפש בו תרופות חדשות, במיוחד אנטיביוטיקה. חיידקים, הנמצאים בכל מקום על הפלנטה שלנו, פיתחו הגנות אנטיבקטריאליות רבות, לעתים קרובות בצורה של חלבונים קצרים ("פפטידים") שיכולים לשבש את קרומי התא החיידקיים ומבנים קריטיים אחרים. בעוד שגילוי הפניצילין ואנטיביוטיקה אחרת שמקורה במוצרים טבעיים חוללה מהפכה ברפואה, האיום הגובר של עמידות לאנטיביוטיקה הדגיש את הצורך הדחוף בתרכובות אנטי-מיקרוביאליות חדשות.
בשנים האחרונות, דה לה פואנטה ועמיתיו היו חלוצים בחיפושים מונעי בינה מלאכותית אחר חומרים אנטי-מיקרוביאליים. הם זיהו מועמדים פרה-קליניים בגנום של בני אדם בני זמננו, ניאנדרטלים ודניסובונים שנכחדו, ממותות צמרוניות ומאות אורגניזמים אחרים. אחת המטרות העיקריות של המעבדה היא לכרות את המידע הביולוגי בעולם עבור מולקולות שימושיות, כולל אנטיביוטיקה.
עבור המחקר החדש הזה, צוות המחקר השתמש בפלטפורמת למידת מכונה כדי לנפות מסדי נתונים ציבוריים מרובים המכילים נתונים גנומיים מיקרוביאליים. הניתוח כיסה 87,920 גנומים מחיידקים ספציפיים וכן 63,410 תערובות של גנומים מיקרוביאליים – "מטגנומים" – מדגימות סביבתיות. חקר מקיף זה השתרע על פני בתי גידול מגוונים ברחבי כדור הארץ.
מחקר נרחב זה הצליח לזהות 863,498 פפטידים אנטי-מיקרוביאליים מועמדים, יותר מ-90 אחוז מהם מעולם לא תוארו קודם לכן. כדי לאמת את הממצאים הללו, החוקרים סינתזו 100 מהפפטידים הללו ובחנו אותם כנגד 11 זני חיידקים הגורמים למחלות, כולל זנים עמידים לאנטיביוטיקה של אי – קולי ו Staphylococcus aureus.
"הבדיקה הראשונית שלנו גילתה ש-63 מתוך 100 המועמדים הללו חיסלו לחלוטין את הצמיחה של לפחות אחד מהפתוגנים שנבדקו, ולעתים קרובות זנים מרובים", אמר דה לה פואנטה. "במקרים מסוימים, מולקולות אלו היו יעילות נגד חיידקים במינונים נמוכים מאוד."
תוצאות מבטיחות וכיוונים עתידיים
תוצאות מבטיחות נצפו גם במודלים פרה-קליניים של בעלי חיים, שבהם חלק מהתרכובות העוצמתיות עצרו בהצלחה זיהומים. ניתוח נוסף העלה שרבות מהמולקולות המועמדות הללו משמידות חיידקים על ידי שיבוש ממברנות המגן החיצוניות שלהן, ולמעשה מקפיצות אותן כמו בלונים.
התרכובות שזוהו מקורן בחיידקים החיים במגוון רחב של בתי גידול, כולל רוק אנושי, מעי חזירים, אדמה וצמחים, אלמוגים ושאר אורגניזמים יבשתיים וימיים. זה מאמת את הגישה הרחבה של החוקרים לחקר הנתונים הביולוגיים בעולם.
בסך הכל, הממצאים מדגימים את הכוח של AI בגילוי אנטיביוטיקה חדשה, מתן לידים מרובים חדשים למפתחי אנטיביוטיקה, ומאותת תחילתו של עידן חדש ומבטיח בגילוי אנטיביוטיקה.
הצוות פרסם את המאגר שלהם של רצפים אנטי-מיקרוביאליים משוערים, אותם הם מכנים AMPSphere, שהוא גישה פתוחה וזמין בחינם בכתובת https://ampsphere.big-data-biology.org/
המחקר נתמך על ידי תוכנית המחקר והפיתוח הלאומית של סין (2020YFA0712403, 2018YFC0910500); הקרן הלאומית למדעי הטבע של סין (61932008, 61772368); קרן חדשנות למדע וטכנולוגיה של שנחאי (19511101404); פרויקט מרכזי למדע וטכנולוגיה עירוני של שנחאי (2018SHZDZX01); ועדת המדע והטכנולוגיה של עיריית שנגחאי (22JC1410900); מועצת המחקר האוסטרלית (FT230100724); קרן AIChE; ה המכונים הלאומיים לבריאות (R35GM138201); הסוכנות להפחתת איומי ההגנה (HDTRA11810041, HDTRA1-21-1-0014, HDTRA1-23-1-0001; PID2021-554 127210NB-I00, MCIN/AEI/10.13039/50110001/5013UE3001), "Laix 1003UE3001"), "Laix 1003UE3001" (מזהה 100010434), קוד מלגה LCF/BQ/DI18/11660009 (ARdR); תוכנית המחקר והחדשנות של האיחוד האירופי Horizon 2020 (הסכם המענק של Marie Skłodowska-Curie 713673).
