Дослідники MIT використали штучний інтелект для розробки двох нових антибіотиків, NG1 і DN1, які успішно націлені на лікарсько-стійкий гонорею та MRSA у мишей, підкреслюючи потенціал штучного інтелекту в трансформації відкриття антибіотиків.
Дослідники Массачусетського технологічного інституту (MIT) використали штучний інтелект для розробки двох нових антибіотиків, ефективних проти лікарсько-стійкої гонореї та MRSA, що потенційно пропонує нові стратегії боротьби з інфекціями, що забирають мільйони життів щорічно.
Використовуючи алгоритми генеративного ШІ, команда створила понад 36 мільйонів потенційних сполук та обчислювально протестувала їх на антимікробну активність. Найбільш перспективні кандидати структурно унікальні в порівнянні з існуючими антибіотиками і, здається, діють через раніше невідомі механізми, які порушують мембрани бактеріальних клітин. Цей метод дозволив створити та оцінити абсолютно нові сполуки, і дослідники планують розширити підхід для проєктування антибіотиків, що націлені на інші види бактерій.
Більшість нових антибіотиків, схвалених за останні 45 років, є варіаціями існуючих ліків, тоді як бактеріальна резистентність продовжує зростати, що призводить до майже 5 мільйонів смертей щорічно.
Щоб вирішити цю проблему, Проект Антибіотиків-АІ MIT використовував штучний інтелект для вивчення як існуючих сполук, так і абсолютно нових, гіпотетичних молекул. Використовуючи моделі машинного навчання, навчені прогнозувати антибактеріальну активність, команда спочатку просіяла мільйони хімічних фрагментів, виключаючи ті, які, ймовірно, будуть токсичними або схожими на існуючі антибіотики.
Вони потім застосували два алгоритми генеративного ШІ: CReM, який змінює молекули, додаючи, замінюючи або видаляючи атоми та групи, і F-VAE, який конструює цілі молекули з фрагментів на основі вивчених хімічних патернів. Цей процес на основі ШІ згенерував приблизно 7 мільйонів кандидатних молекул, які були обчислювально перевірені на активність проти N. gonorrhoeae.
З цього було відібрано близько 1000 сполук, 80 з яких виявилися синтетично досяжними, а одна сполука, NG1, продемонструвала потужну активність проти стійкого до ліків N. gonorrhoeae як у лабораторних, так і в дослідженнях на мишах, націлюючись на білок, критично важливий для синтезу бактеріальної мембрани, що представляє собою новий механізм дії.
Дослідження другого туру використовує генеративний ШІ для вивчення нових хімічних простору
У наступному дослідженні вчені використовували генеративний ШІ для створення абсолютно нових молекул, що націлені на грампозитивну бактерію S. aureus. Використовуючи алгоритми CReM та F-VAE, команда дозволила ШІ генерувати сполуки без обмежень на фрагменти, керуючись лише хімічними правилами, що регулюють комбінації атомів.
Цей підхід на основі штучного інтелекту дав змогу отримати понад 29 мільйонів кандидатних молекул. Команда потім застосувала обчислювальні фільтри, щоб видалити сполуки, які, як передбачалося, є токсичними, нестабільними або схожими на існуючі антибіотики, зменшивши пул до приблизно 90 життєздатних кандидатів.
Серед 22 молекул, які могли бути синтезовані та протестовані, шість продемонстрували сильну антибактеріальну активність проти мультирезистентного S. aureus у лабораторних випробуваннях. Провідний сполука, DN1, успішно ліквідувала шкірні інфекції MRSA в модельній системі на мишах.
Здатність ШІ автономно досліджувати величезний хімічний простір дозволила виявити молекули з новими механізмами, які в широкому сенсі порушують мембрани бактеріальних клітин, а не націлюються на один білок.
Phare Bio, неприбутковий партнер у проекті Antibiotics-AI, тепер оптимізує NG1 та DN1 для подальших доклінічних досліджень. Дослідницька команда має намір застосувати ці платформи дизайну на основі ШІ до інших патогенів, включаючи Mycobacterium tuberculosis та Pseudomonas aeruginosa.
Хоча бактеріальна резистентність продовжує випереджати існуючі методи лікування, дослідження демонструє, що ШІ може досліджувати раніше невідомі області хімічного простору, пропонуючи можливості для переходу від реактивних відповідей до стратегічного, проактивного дизайну антибіотиків.
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
MIT використовує генеративний ШІ для розробки двох нових антибіотиків, спрямованих на лікарсько-стійку гонорею та MRSA
Коротко
Дослідники MIT використали штучний інтелект для розробки двох нових антибіотиків, NG1 і DN1, які успішно націлені на лікарсько-стійкий гонорею та MRSA у мишей, підкреслюючи потенціал штучного інтелекту в трансформації відкриття антибіотиків.
Дослідники Массачусетського технологічного інституту (MIT) використали штучний інтелект для розробки двох нових антибіотиків, ефективних проти лікарсько-стійкої гонореї та MRSA, що потенційно пропонує нові стратегії боротьби з інфекціями, що забирають мільйони життів щорічно.
Використовуючи алгоритми генеративного ШІ, команда створила понад 36 мільйонів потенційних сполук та обчислювально протестувала їх на антимікробну активність. Найбільш перспективні кандидати структурно унікальні в порівнянні з існуючими антибіотиками і, здається, діють через раніше невідомі механізми, які порушують мембрани бактеріальних клітин. Цей метод дозволив створити та оцінити абсолютно нові сполуки, і дослідники планують розширити підхід для проєктування антибіотиків, що націлені на інші види бактерій.
Більшість нових антибіотиків, схвалених за останні 45 років, є варіаціями існуючих ліків, тоді як бактеріальна резистентність продовжує зростати, що призводить до майже 5 мільйонів смертей щорічно.
Щоб вирішити цю проблему, Проект Антибіотиків-АІ MIT використовував штучний інтелект для вивчення як існуючих сполук, так і абсолютно нових, гіпотетичних молекул. Використовуючи моделі машинного навчання, навчені прогнозувати антибактеріальну активність, команда спочатку просіяла мільйони хімічних фрагментів, виключаючи ті, які, ймовірно, будуть токсичними або схожими на існуючі антибіотики.
Вони потім застосували два алгоритми генеративного ШІ: CReM, який змінює молекули, додаючи, замінюючи або видаляючи атоми та групи, і F-VAE, який конструює цілі молекули з фрагментів на основі вивчених хімічних патернів. Цей процес на основі ШІ згенерував приблизно 7 мільйонів кандидатних молекул, які були обчислювально перевірені на активність проти N. gonorrhoeae.
З цього було відібрано близько 1000 сполук, 80 з яких виявилися синтетично досяжними, а одна сполука, NG1, продемонструвала потужну активність проти стійкого до ліків N. gonorrhoeae як у лабораторних, так і в дослідженнях на мишах, націлюючись на білок, критично важливий для синтезу бактеріальної мембрани, що представляє собою новий механізм дії.
Дослідження другого туру використовує генеративний ШІ для вивчення нових хімічних простору
У наступному дослідженні вчені використовували генеративний ШІ для створення абсолютно нових молекул, що націлені на грампозитивну бактерію S. aureus. Використовуючи алгоритми CReM та F-VAE, команда дозволила ШІ генерувати сполуки без обмежень на фрагменти, керуючись лише хімічними правилами, що регулюють комбінації атомів.
Цей підхід на основі штучного інтелекту дав змогу отримати понад 29 мільйонів кандидатних молекул. Команда потім застосувала обчислювальні фільтри, щоб видалити сполуки, які, як передбачалося, є токсичними, нестабільними або схожими на існуючі антибіотики, зменшивши пул до приблизно 90 життєздатних кандидатів.
Серед 22 молекул, які могли бути синтезовані та протестовані, шість продемонстрували сильну антибактеріальну активність проти мультирезистентного S. aureus у лабораторних випробуваннях. Провідний сполука, DN1, успішно ліквідувала шкірні інфекції MRSA в модельній системі на мишах.
Здатність ШІ автономно досліджувати величезний хімічний простір дозволила виявити молекули з новими механізмами, які в широкому сенсі порушують мембрани бактеріальних клітин, а не націлюються на один білок.
Phare Bio, неприбутковий партнер у проекті Antibiotics-AI, тепер оптимізує NG1 та DN1 для подальших доклінічних досліджень. Дослідницька команда має намір застосувати ці платформи дизайну на основі ШІ до інших патогенів, включаючи Mycobacterium tuberculosis та Pseudomonas aeruginosa.
Хоча бактеріальна резистентність продовжує випереджати існуючі методи лікування, дослідження демонструє, що ШІ може досліджувати раніше невідомі області хімічного простору, пропонуючи можливості для переходу від реактивних відповідей до стратегічного, проактивного дизайну антибіотиків.