یک رویکرد یادگیری ماشین، انواع جدید و قدرتمندی از آنتی‌بیوتیک‌ها را از مخزنی متشکل‌از بیش از ۱۰۰ میلیون مولکول شناسایی کرد.
یکی از این مولکول‌ها، مولکولی است که دربرابر طیف وسیعی از باکتری‌ها ازجمله باکتری عامل سل و سویه‌های که غیرقابل درمان درنظر گرفته می‌شوند، مؤثر است.
پژوهشگران می‌گویند این آنتی‌بیوتیک که هالیسین (halicin) نام دارد، اولین آنتی‌بیوتیکی است که با استفاده از سیستم هوش مصنوعی کشف شده است.
اگرچه هوش مصنوعی قبل از این به‌منظور کمک به بخش‌هایی از فرایند کشف آنتی‌بیوتیک‌ها مورد استفاده قرار گرفته بود، به‌گفته‌ی پژوهشگران، این نخستین‌بار است که یک سیستم هوش مصنوعی انواع کاملا جدیدی از آنتی‌بیوتیک‌ها را بدون درنظر گرفتن فرضیات پیشین انسانی و به‌خودی‌خود کشف کرده است.
نتایج پژوهش جدید که تحت هدایت جیم کالینز، متخصص زیست‌شناسی مصنوعی از مؤسسه‌ی فناوری ماساچوست انجام شده، در مجله‌ی Cell منتشر شده است.
ژاکوب دورانت، متخصص زیست‌شناسی محاسباتی از دانشگاه پیتسبورگ در پنسیلوانیا این مطالعه را قابل‌توجه می‌خواند. او می‌گوید پژوهشگران فقط مولکول‌های کاندیدا را شناسایی نکردند بلکه همچنین مولکول‌های امیدوارکننده را در آزمایش‌های حیوانی تأیید کردند. علاوه‌بر‌این، رویکرد آن‌ها می‌تواند درمورد انواع مختلف داروها مانند داروهای درمان سرطان یا بیماری‌های نورودژنراتیو نیز به کار آید.
مقاومت باکتریایی دربرابر آنتی‌بیوتیک‌ها به‌طرز چشمگیری در سرتاسر جهان در حال افزایش است و پژوهشگران پیش‌بینی می‌کنند که اگر داروهای جدیدی به‌سرعت توسعه پیدا نکند، عفونت‌های مقاوم می‌توانند در آینده‌ای نزدیک (تا سال ۲۰۵۰)، هر سال ۱۰ میلیون نفر را به کام مرگ بفرستند. اما طی چند دهه‌ی گذشته، روند کشف و تأیید آنتی‌بیوتیک‌های جدید کند بوده است. کالینز می‌گوید:
کالینز و گروهش یک شبکه‌ی عصبی (الگوریتم هوش مصنوعی الهام‌گرفته از معماری مغز) ایجاد کردند که ویژگی‌های مولکول‌ها را اتم به اتم یاد می‌گیرد.
پژوهشگران به‌منظور یافتن مولکول‌هایی که از رشد باکتری اشریشیا کلی ممانعت می‌کنند، شبکه‌ی عصبی خود را با استفاده از مجموعه‌ای متشکل‌از ۲۳۳۵ مولکول که فعالیت آنتی‌باکتریایی آن‌ها شناخته شده بود، آموزش دادند.
این داده‌ها شامل کتابخانه‌ای متشکل‌از حدود ۳۰۰ آنتی‌بیوتیک تأییدشده و نیز ۸۰۰ محصول طبیعی از منابع گیاهی، جانوری و می بود. رجینا برزیلی پژوهشگر حوزه‌ی هوش مصنوعی در مؤسسه‌ی فناوری ماساچوست و یکی از نویسندگان مقاله‌ی جدید می‌گوید:
الگوریتم یاد می‌گیرد که عملکرد مولکول را بدون درنظر گرفتن هیچ فرض درمورد نحوه‌ی عمل داروها و بدون برچسب‌گذاری گروه‌های شیمیایی، پیش‌بینی کند.
درنتیجه، این مدل می‌تواند الگوهای جدیدی را که برای متخصصان انسانی ناشناخته مانده است، بیاموزد.
پژوهشگران پس از آموزش مدل، از آن برای غربال‌گری کتابخانه‌ای به‌نام Drug Repurposing Hub استفاده کردند که حاوی حدود ۶ هزار مولکول تحت بررسی برای درمان بیماری‌های مختلف انسانی است.
پژوهشگران از مدل خود خواستند که پیش‌بینی کند کدام مولکول‌ها دربرابر اشریشیا کلی مؤثر هستند و فقط مولکول‌هایی را به آن‌ها نشان دهد که با آنتی‌بیوتیک‌های معمول فرق دارند. پژوهشگران ازمیان مولکول‌های پیشنهادی سیستم، حدود ۱۰۰ مولکول کاندیدا را برای آزمایش‌های فیزیکی انتخاب کردند.
مشخص شد یکی از این مولکول‌ها یعنی مولکولی که برای درمان دیابت مورد بررسی قرار دارد (هالیسین)، آنتی‌بیوتیک قوی است. مولکول مذکور در آزمایش‌های انجام‌شده روی موش‌ها، دربرابر طیف وسیعی از پاتوژن‌ها ازجمله سویه‌ای از کلوستریدیوم سخت (Clostridioides difficile) و سویه‌ای از آسینتوباکتر بائومانی (Acinetobacter baumannii) که دارای مقاومت آنتی‌بیوتیکی هستند، فعال بود.
shimisanat پژوهشگران ,مصنوعی ,مولکول ,دربرابر ,جدید ,آنتی‌بیوتیک‌ها ,شبکه‌ی عصبی ,فناوری ماساچوست ,مؤسسه‌ی فناوری ,درنظر گرفتن ,بدون درنظر ,مؤسسه‌ی فن منبع
درباره این سایت