Исследователи MIT использовали ИИ для разработки двух новых антибиотиков, NG1 и DN1, которые успешно нацелены на устойчивую к лекарствам гонорею и MRSA у мышей, подчеркивая потенциал ИИ в трансформации открытия антибиотиков.
Исследователи Массачусетского технологического института (MIT) использовали ИИ для разработки двух новых антибиотиков, эффективных против устойчивой к лекарствам гонореи и MRSA, что потенциально предлагает новые стратегии борьбы с инфекциями, ответственными за миллионы смертей каждый год.
Используя алгоритмы генеративного ИИ, команда создала более 36 миллионов потенциальных соединений и провела их компьютерный скрининг на антимикробную активность. Наиболее многообещающие кандидаты структурно уникальны по сравнению с существующими антибиотиками и, похоже, действуют через ранее неизвестные механизмы, которые нарушают мембраны бактериальных клеток. Этот метод позволил создать и оценить совершенно новые соединения, и исследователи планируют расширить подход для разработки антибиотиков, нацеленных на другие бактериальные виды.
Большинство новых антибиотиков, одобренных за последние 45 лет, являются вариациями существующих препаратов, в то время как бактерии продолжают развивать резистентность, что приводит к почти 5 миллионам смертей ежегодно.
Чтобы справиться с этим, проект MIT Antibiotics-AI использовал ИИ для изучения как существующих соединений, так и совершенно новых, гипотетических молекул. Используя модели машинного обучения, обученные предсказывать антибактериальную активность, команда сначала отскринила миллионы химических фрагментов, устраняя те, которые, вероятно, будут токсичными или похожими на существующие антибиотики.
Затем они применили два алгоритма генеративного ИИ: CReM, который изменяет молекулы, добавляя, заменяя или удаляя атомы и группы, и F-VAE, который создает полные молекулы из фрагментов на основе изученных химических паттернов. Этот управляемый ИИ процесс сгенерировал примерно 7 миллионов кандидатов молекул, которые были вычислительно отскринированы на активность против N. gonorrhoeae.
Из этого было отобрано около 1,000 соединений, 80 из которых имели синтетическую осуществимость, и одно соединение, NG1, продемонстрировало мощную активность против устойчивого к лекарствам N. gonorrhoeae как в лабораторных, так и в мышиных исследованиях, нацеливаясь на белок, критически важный для синтеза бактериальной мембраны, представляя собой новый механизм действия.
Второй раунд исследований использует генеративный ИИ для изучения нового химического пространства
В последующем исследовании ученые использовали генеративный ИИ для разработки совершенно новых молекул, нацеленных на грамположительную бактерию S. aureus. Используя алгоритмы CReM и F-VAE, команда позволила ИИ генерировать соединения без ограничений по фрагментам, руководствуясь только химическими правилами, регулирующими комбинации атомов.
Этот подход, основанный на ИИ, произвел более 29 миллионов кандидатов на молекулы. Затем команда применила вычислительные фильтры, чтобы удалить соединения, которые предполагались как токсичные, нестабильные или похожие на существующие антибиотики, сократив пул до примерно 90 жизнеспособных кандидатов.
Из 22 молекул, которые могли быть синтезированы и протестированы, шесть продемонстрировали сильную антибактериальную активность против многорезистентного S. aureus в лабораторных испытаниях. Ведущее соединение, DN1, успешно устранило инфекции кожи, вызванные MRSA, в модели на мышах.
Способность ИИ автономно исследовать обширное химическое пространство привела к открытию молекул с новыми механизмами, в значительной степени нарушающими мембраны бактериальных клеток, а не нацеливающимися на один белок.
Phare Bio, некоммерческий партнер в проекте Antibiotics-AI, сейчас оптимизирует NG1 и DN1 для дальнейших доклинических исследований. Исследовательская группа намерена применить эти платформы для дизайна на основе ИИ к другим патогенам, включая Mycobacterium tuberculosis и Pseudomonas aeruginosa.
В то время как устойчивость бактерий продолжает опережать существующие методы лечения, исследование демонстрирует, что ИИ может исследовать ранее неосвоенные области химического пространства, предлагая возможности для перехода от реактивных ответов к стратегическому, проактивному дизайну антибиотиков.
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
MIT использует генеративный ИИ для разработки двух новых антибиотиков, нацеленных на устойчивую к лекарствам гонорею и MRSA
Вкратце
Исследователи MIT использовали ИИ для разработки двух новых антибиотиков, NG1 и DN1, которые успешно нацелены на устойчивую к лекарствам гонорею и MRSA у мышей, подчеркивая потенциал ИИ в трансформации открытия антибиотиков.
Исследователи Массачусетского технологического института (MIT) использовали ИИ для разработки двух новых антибиотиков, эффективных против устойчивой к лекарствам гонореи и MRSA, что потенциально предлагает новые стратегии борьбы с инфекциями, ответственными за миллионы смертей каждый год.
Используя алгоритмы генеративного ИИ, команда создала более 36 миллионов потенциальных соединений и провела их компьютерный скрининг на антимикробную активность. Наиболее многообещающие кандидаты структурно уникальны по сравнению с существующими антибиотиками и, похоже, действуют через ранее неизвестные механизмы, которые нарушают мембраны бактериальных клеток. Этот метод позволил создать и оценить совершенно новые соединения, и исследователи планируют расширить подход для разработки антибиотиков, нацеленных на другие бактериальные виды.
Большинство новых антибиотиков, одобренных за последние 45 лет, являются вариациями существующих препаратов, в то время как бактерии продолжают развивать резистентность, что приводит к почти 5 миллионам смертей ежегодно.
Чтобы справиться с этим, проект MIT Antibiotics-AI использовал ИИ для изучения как существующих соединений, так и совершенно новых, гипотетических молекул. Используя модели машинного обучения, обученные предсказывать антибактериальную активность, команда сначала отскринила миллионы химических фрагментов, устраняя те, которые, вероятно, будут токсичными или похожими на существующие антибиотики.
Затем они применили два алгоритма генеративного ИИ: CReM, который изменяет молекулы, добавляя, заменяя или удаляя атомы и группы, и F-VAE, который создает полные молекулы из фрагментов на основе изученных химических паттернов. Этот управляемый ИИ процесс сгенерировал примерно 7 миллионов кандидатов молекул, которые были вычислительно отскринированы на активность против N. gonorrhoeae.
Из этого было отобрано около 1,000 соединений, 80 из которых имели синтетическую осуществимость, и одно соединение, NG1, продемонстрировало мощную активность против устойчивого к лекарствам N. gonorrhoeae как в лабораторных, так и в мышиных исследованиях, нацеливаясь на белок, критически важный для синтеза бактериальной мембраны, представляя собой новый механизм действия.
Второй раунд исследований использует генеративный ИИ для изучения нового химического пространства
В последующем исследовании ученые использовали генеративный ИИ для разработки совершенно новых молекул, нацеленных на грамположительную бактерию S. aureus. Используя алгоритмы CReM и F-VAE, команда позволила ИИ генерировать соединения без ограничений по фрагментам, руководствуясь только химическими правилами, регулирующими комбинации атомов.
Этот подход, основанный на ИИ, произвел более 29 миллионов кандидатов на молекулы. Затем команда применила вычислительные фильтры, чтобы удалить соединения, которые предполагались как токсичные, нестабильные или похожие на существующие антибиотики, сократив пул до примерно 90 жизнеспособных кандидатов.
Из 22 молекул, которые могли быть синтезированы и протестированы, шесть продемонстрировали сильную антибактериальную активность против многорезистентного S. aureus в лабораторных испытаниях. Ведущее соединение, DN1, успешно устранило инфекции кожи, вызванные MRSA, в модели на мышах.
Способность ИИ автономно исследовать обширное химическое пространство привела к открытию молекул с новыми механизмами, в значительной степени нарушающими мембраны бактериальных клеток, а не нацеливающимися на один белок.
Phare Bio, некоммерческий партнер в проекте Antibiotics-AI, сейчас оптимизирует NG1 и DN1 для дальнейших доклинических исследований. Исследовательская группа намерена применить эти платформы для дизайна на основе ИИ к другим патогенам, включая Mycobacterium tuberculosis и Pseudomonas aeruginosa.
В то время как устойчивость бактерий продолжает опережать существующие методы лечения, исследование демонстрирует, что ИИ может исследовать ранее неосвоенные области химического пространства, предлагая возможности для перехода от реактивных ответов к стратегическому, проактивному дизайну антибиотиков.