Innowacyjny model sztucznej inteligencji generujący antybiotyki opracowali naukowcy z Uniwersytetu Warszawskiego i Gdańskiego Uniwersytetu Medycznego. Wyniki ich badań opublikowało czasopismo „Nature Communications”.
Według World Health Organization (WHO) infekcje oporne na leczenie stanowią niezwykle poważne globalne zagrożenie zdrowotne i ekonomiczne. Rośnie nie tylko liczba infekcji antybiotykoopornych, ale także liczba szczepów bakteryjnych, które te infekcje powodują. Jednocześnie obserwowany jest spadek skuteczności stosowanych antybiotyków. Ponadto od ponad trzydziestu lat nie została opracowana żadna nowa klasa antybiotyków. Istnieje ryzyko, że wkrótce stracimy jakąkolwiek skuteczną metodę zwalczania zakażeń antybiotykoopornych.
Od stu lat badane są związki znane jako peptydy przeciwdrobnoustrojowe (antimicrobial peptides, AMP). Wytwarzane są one zarówno przez bakterie, jak i ssaki, w tym ludzi. AMP mają za zadanie chronić organizm przed szkodliwym działaniem patogenów. AMP mają kluczową cechę – bakterie niezwykle powoli nabywają na nie oporność. Jednakże wśród tysięcy odkrytych peptydów nie udało się jeszcze znaleźć takiego, który miałby lepsze działanie od konwencjonalnych antybiotyków w leczeniu infekcji bakteryjnych.
Niewykorzystanym potencjałem AMP zainteresowali się naukowcy z Wydziału Matematyki, Informatyki i Mechaniki Uniwersytetu Warszawskiego oraz Gdańskiego Uniwersytetu Medycznego. Pod kierunkiem prof. Ewy Szczurek opracowali HydrAMP – nowy model sztucznej inteligencji oparty o wariacyjne autoenkodery. Jest on w stanie wygenerować nowe sekwencje AMP o wysokiej aktywności przeciwbakteryjnej.
Jak nauczyć program biologii?
W jaki sposób HydrAMP uczy się o istniejących AMP i wie, jak wygenerować nowy peptyd? Każdy peptyd można przedstawić w postaci ciągu liter odpowiadających podstawowym cząsteczkom, z których się składa. Na przykład, słowo „WARS” reprezentuje peptyd złożony z czterech aminokwasów. Taka sekwencja zawiera w sobie informację o strukturze chemicznej peptydu, to znaczy o atomach i wiązaniach, które go budują.
Ponieważ dysponujemy wystarczająco dużą liczbą takich sekwencji, możemy nauczyć nasz model odróżniać losowe napisy od sekwencji kodujących peptydy. Mamy także dane dotyczące aktywności znanych peptydów. I tego także model może się nauczyć – przekonuje Paulina Szymczak, doktorantka Międzydziedzinowej Szkoły Doktorskiej i pierwsza autorka artykułu opublikowanego w Nature Communications.
Poprzez połączenie wiedzy o znanych sekwencjach i ich aktywności, HydrAMP jest w stanie wygenerować setki nowych sekwencji, znacząco zwiększając szanse na znalezienie wyjątkowo skutecznych peptydów. HydrAMP potrafi także poprawić istniejące peptydy, wprowadzając zmiany w ich sekwencji. Na przykład, możemy zwiększyć aktywność przeciwdrobnoustrojową peptydu, który nie wykazywał wystarczającej skuteczności.
Zmodyfikowane peptydy szansą na skuteczne leczenie zakażeń bakteryjnych
Zespół prof. Wojciecha Kamysza z Gdańskiego Uniwersytetu Medycznego zsyntetyzował i zbadał, jak wygenerowane przez HydrAMPa peptydy działają na szczepy bakteryjne i na czerwone krwinki.
Odkryliśmy piętnaście zupełnie nowych, aktywnych peptydów. Między nimi znajduje się peptyd o nazwie Varsavian, który wykazuje bardzo obiecujące działanie przeciwko niebezpiecznym bakteriom, takim jak metycylinooporny gronkowiec złocisty – raportuje prof. Ewa Szczurek z Wydziału Matematyki, Mechaniki i Informatyki UW.
Eksperymenty potwierdziły, że HydrAMP poprawił peptyd całkowicie nieaktywny do peptydu o bardzo obiecującym profilu aktywności, nie czyniąc go jednocześnie toksycznym. Jest to pierwszy taki model, który potrafi zmienić sekwencję peptydu prowadząc do zwiększenia skuteczności przeciwbakteryjnej. Dodatkowo, aby pogłębić wiedzę na temat odkrytych peptydów, zespół dr. hab. Piotra Setnego z Centrum Nowych Technologii UW zbadał, jak peptydy zachowują się w kontakcie z błoną komórki bakteryjnej.
Peptydy które zostały odkryte przez grupę prof. Szczurek opisano w zgłoszeniu patentowym i mogą być w przyszłości przetestowane w badaniach klinicznych i użyte jako leki. Sam model wyposażono w szereg innowacyjnych rozwiązań sztucznej inteligencji i stanowi on potężne narzędzie, które może przysłużyć się do przyspieszenia badań w dziedzinie zwalczania antybiotykooporności.
źródło: UW