Keevahariduseta antibiootikumiresistentsuse monumentaalses võitluses, mis on esmatähtis terviseprobleem globaalselt, on teadlased kasutanud tehisintellekti, et avastada looduses peidus olevate potentsiaalsete antibiootikumiallikate aare. Läbimurdeuuring, mis jagati ajakirjas Cell, on kaevandanud genoomseid andmeid, paljastades üle 860 000 paljutõotava antimikroobse peptiidi maailma mikroobioomist – väikesed molekulid, mis on võimelised ründama nakkusohtlikke mikroobe. Märgatav on see, et 90% nendest potentsiaalsetest antibiootikumidest on uued avastused.
Selle uuringu kiireloomulisus on rõhutatud asjaoluga, et antimikroobne resistentsus põhjustab igal aastal üle miljoni surma. Ilma tõhusa sekkumiseta võib see aastaks 2050 tõusta kümne miljoni surmani. Seega pole uute antibiootikumide avastamine mitte ainult kriitiline, vaid hädavajalik. Kasutades masinõpet, sõelus meeskond umbes 60 000 metagenoomi erinevatest allikatest, hõlmates mere- ja mullakeskkondi kuni inimeste ja loomade seedetraktideni.
Peaaegu miljonit potentsiaalset antibiootilist ühendit ei olnud mitte ainult teoreetilised: kümned näitasid haigustekitajate vastu paljutõotavat aktiivsust esmastes testides. Meeskond kinnitas neid avastusi edasi, sünteesides 100 peptiidi ja testides neid kliiniliselt oluliste patogeenide vastu, avastades, et 79 häiris bakterite membraane ja 63 sihikindlalt suunasid antibiootikumiresistentsed bakterid nagu kuldne stafülokokk ja Escherichia coli.
Mõned neist molekulidest olid eriti tõhusad, nõudes bakterite vastu efektiivsuse saavutamiseks väga madalaid annuseid. Loomkatsetuses, kus olid nakatunud hiired, näitasid need peptiididega ravitud hiired võrreldavaid tulemusi polümüksiin B-ga, asutatud antibiootikumiga tõsiste infektsioonide vastu.
Ühendite päritolu – mikroobid asustavad erinevaid elupaiku nagu inimese sülje-, sea siseorganid, muld ja korallid – toetavad teadlaste laiaulatuslikku lähenemist bioloogiliste andmete otsimisel. See uuring kinnitab loodust pideva ravimiallika kui ka lühikeste valkude, mida tuntakse bakterite kaitsevahenditena ja mida nimetatakse “peptiidideks,” kasutamist meditsiiniliste läbimurrete arendamiseks.
Lisaks esindab tehisintellekti integreerimine ravimite avastamisse radikaalset võimekuse muutust, muutes protsessid, mis kestsid tavaliselt aastaid, vaid mõneks tunniks arvutitööks, seades sammu kiiremale ja tõhusamale reageerimisele antimikroobse resistentsuse pakilisele küsimusele.
Olulised küsimused ja vastused
– Mis on peamised väljakutsed seotud AI-ga toetatud antibiootikumiuuringutega?
Peamised väljakutsed hõlmavad AI-algoritmide täpsuse tagamist, mahukate genoomsete andmete haldamist ja töötlemist, kahjulike ja kahjulike mikroobide eristamise keerukust, laboritööde tulemuste muutmist tõhusateks inimravimiteks ning finantseerimist ja regulatiivset heakskiitu edasisteks uuringuteks ja kliinilisteks katseteks.
– Millised vaidlused võivad selle lähenemise puhul tekkida?
Probleemid võivad tuleneda geneetilise teabe eetilisest kasutamisest, AI võimest jätta või valesti tuvastada kasulikke ühendeid, tehnoloogilise kättesaadavuse muredest ning privaatsuse tagajärgedest, kui päritakse geneetilisi andmeid inimestelt või loomadelt.
– Mis on AI kasutamise eelised antibiootikumide avastamisel?
Eelised hõlmavad avastusprotsessi dramaatilist kiirendamist, võimet analüüsida ja tõlgendada tohutuid andmehulki, mis on inimvõimetele ülekaalukad, uute ühendite avastamist, mida traditsiooniliste uurimismeetoditega võib-olla ei leita, ja potentsiaali isikupärastatud meditsiiniks, kohandades antibiootikume konkreetsetele bakteriohtudele.
– Mis on puudused?
Puudused hõlmavad sõltuvust sisendandmete kvaliteedist ja mitmekesisusest, võimalikke eelarvamusi AI algoritmides, märkimisväärsete arvutusressursside nõuet ning olulist järelkontrolli uute avastuste tõlkimiseks arvutimudelitest reaalseteks ravimeetoditeks.
Seotud lingid
– Lisalugemiseks tehisintellekti kasutamisest meditsiinis: Cell
– Lisateabe saamiseks globaalsest antibiootikumiresistentsusest: Maailma Terviseorganisatsioon
– Teadusuuringutes masinõppe kasutamise uurimiseks: Nature
Artiklis mainimata faktid
1. Antibiootikumiresistentsus võib mõjutada ka kirurgiliste protseduuride ja kemoteraapia taoliste ravimeetodite efektiivsust, kus ennetavate antibiootikumide kasutamine on oluline.
2. Antibiootikumiresistentsuse majanduslik mõju on märkimisväärne, võib vähendada globaalset SKP-d kuni 3,8% ulatuses mõne hinnangu kohaselt.
3. AI-d on kasutatud ka teistes ravimite avastamise valdkondades, mitte ainult antibiootikumides. Näiteks on AI aidanud tuvastada võimalikke ravimeid haiguste jaoks nagu vähk ja COVID-19.
4. Uute antibiootikumide leidmine on keeruline, kuna paljud bakterid on välja arenenud mehhanismid, et vältida olemasolevate ravimite mõjusid, nõudes uudseid lähenemisviise nende kaitsemehhanismide ületamiseks.
5. Keskkonnaalased mured tekivad materjalide hankimisel erinevatest keskkondadest, eriti tundlikest ökosüsteemidest nagu korallriffid, rõhutades säästva uurimistava olulisust.
6. Regulaatorid on hiljuti soosinud uute antibiootikumide väljatöötamist, lihtsustades heakskiidu protsessi ja pakkudes stiimuleid farmaatsiaettevõtetele.
Kokkuvõttes esindab tehisintellekti integreerimine uute antibiootikumide otsingusse paljulubavat piiri antimikroobse resistentsuse vastu võitlemisel. AI efektiivsus ja mastaapsus pakuvad enneolematut võimalust looduse mitmekesisuse uurimiseks elupäästvate ravimite leidmiseks. Siiski peavad tehnilise piirangu, eetiliste kaalutluste ja avastusest praktilise raviga seotud tee ületamisega seotud väljakutsed olema takistused, mis vajavad lahendamist.
The source of the article is from the blog qhubo.com.ni