Η Τεχνητή Νοημοσύνη Επιταχύνει την Ανακάλυψη Σχεδόν Ενός Εκατομμυρίου Νέων Μοριακών Αντιβιοτικών

Μια αλγόριθμος τεχνητής νοημοσύνης έχει επαναστατήσει την αναζήτηση νέων αντιβιοτικών με την εξόρυξη της βιοποικιλότητας του πλανήτη, με τα ευρήματα της έρευνας που ηγείται ο César de la Fuente του Πανεπιστημίου της Πενσυλβανίας να οδηγούν στον εντοπισμό σχεδόν ενός εκατομμυρίου πιθανών αντιβιοτικών ενώσεων.

Μέσω της άνευ προηγουμένου υπολογιστικής ικανότητας της τεχνητής νοημοσύνης, αναλύθηκε ένα μεγάλο εύρος γενετικών δεδομένων από δεκάδες χιλιάδες βακτηρίων και άλλων μικροοργανισμών. Αυτή η καινοτόμα προσέγγιση επιταχύνει σημαντικά την αναζήτηση νέων υποψήφιων αντιβιοτικών, μια εργασία που θα ήταν δυσκολότερη και χρονοβόρα με την παραδοσιακή μέθοδο της συλλογής δειγμάτων από έδαφος και νερό.

Η ολοκληρωμένη φύση της μελέτης ξεπερνά κάθε προηγούμενη πρωτοβουλία ανακάλυψης αντιβιοτικών μέχρι σήμερα. Οι ερευνητές εκμεταλλεύτηκαν και τα γονήματα και τις μεταγονόμες από δημόσιες βάσεις δεδομένων, εστιάζοντας σε αλφαδικές ακολουθίες DNA που φέρουν πιθανά αντιμικροβιακά χαρακτηριστικά. Από τις προβλεπόμενες ενώσεις, 100 συντέθηκαν σε εργαστήρια και δοκιμάστηκαν ενάντια σε βακτήρια – με εντυπωσιακά αποτελέσματα. Το 79% επέδειξε τη δυνατότητά του να εξαλείψει τουλάχιστον έναν τύπο μικροβίων, εδραιώνοντας την θέση τους ως πιθανοί υποψήφιοι στον τομέα των αντιβιοτικών.

Αντιμέτωποι με την ανερχόμενη αντοχή των μικροβίων στα αντιβιοτικά – η οποία έκοψε τη ζωή σε πάνω από 1,2 εκατομμύρια ανθρώπους το 2019 και απειλεί να αυξηθεί σε 10 εκατομμύρια ετήσιοι θάνατοι έως το 2050 – αυτά τα ευρήματα είναι ταυτόχρονα επίκαιρα και κρίσιμα.

Η ομάδα χρησιμοποίησε μία πλατφόρμα με το όνομα AMPSphere, ένα εκτεταμένο και ανοιχτό εργαλείο που παρέχει λεπτομερείς προφίλ των υπόθετων αντιμικροβιακών πεπτιδίων, συμπεριλαμβανομένων των προελεύσεων και των βιοχημικών χαρακτηριστικών. Αυτός ο πόρος θεωρείται ένας θησαυρός εξελικτικών ενδείξεων και ειδικών προσαρμογών, με τα περισσότερα πεπτίδια να είναι νεοανακαλυφθέντα εκτός των υπαρχόντων βάσεων δεδομένων.

Αυτή η προσπάθεια είναι ένα παράδειγμα του πώς η τεχνητή νοημοσύνη και το μηχανικό μάθημα μπορούν να διαχειριστούν μεγάλα σύνολα δεδομένων για να ανακαλύψουν ανεκτίμητες ανακαλύψεις. Αυτή η επιτάχυνση της έρευνας είναι πιθανό να εκδηλωθεί και σε άλλους επιστημονικούς τομείς, υπογραμμίζοντας το μεγάλο δυναμικό της τεχνητής νοημοσύνης στη διευκόλυνση των γρήγορων εξελίξεων.

The source of the article is from the blog lanoticiadigital.com.ar

Privacy policy
Contact