Antibiotski rezistentne infekcije nastaju kada bakterije postanu otporne na ljekove poput penicilina. Takve infekcije mogu se javiti nakon konzumiranja kontaminirane hrane, kroz otvorene rane ili poslije hirurških zahvata. Jedan od najpoznatijih primjera je bakterija Ešerihija koli (E. coli), čiji su pojedini sojevi razvili visok nivo otpornosti na standardne antibiotike. Ove bakterije mogu se pojaviti i kao sekundarne infekcije, poput upale pluća nakon virusnih oboljenja.

Razvoj novih antibiotika izuzetno je dug i skup proces. Potrebno je i do 10 godina istraživanja i više od jedne milijarde dolara da bi jedan novi lijek stigao na tržište. Situaciju dodatno otežava činjenica da je čak 10 od 13 antibiotika razvijenih od 2017. godine već izgubilo efikasnost protiv najmanje jedne vrste bakterija, prenosi Trender.

Zbog toga naučnici sve više pažnje usmjeravaju ka generativnoj veštačkoj inteligenciji. Ideja je da AI modeli, uz nadzor stručnjaka, osmišljavaju potpuno nove molekule koji do sada nisu postojali, dok fizičke simulacije na računarima provjeravaju da li bi oni mogli da postanu bezbjedni i efikasni lekovi.

AI traži nove peptide

Jedna od najperspektivnijih grupa jedinjenja za razvoj antibiotika jesu peptidi – kratki lanci proteina koji u organizmu imaju brojne funkcije.

Insulin, koji se koristi u liječenju dijabetesa, prirodni je peptid, dok je vankomicin, jedan od najvažnijih antibiotika, takođe peptid koji bakterije u zemljištu proizvode kao odbrambeni mehanizam. Oba lijeka nalaze se na Listi esencijalnih ljekova Svjetske zdravstvene organizacije (SZO).

Naučnici koriste AI kako bi osmislili nove peptide koji bi mogli da uništavaju bakterije. Sistem se sastoji iz dva dijela. Jednog koji generiše milione mogućih molekula i drugog koji procjenjuje koje od njih vrijedi detaljnije analizirati.

U najnovijem istraživanju autori su pokazali da AI postiže bolje rezultate kada se trenira na manjoj količini pažljivo odabranih i relevantnih podataka nego kada raspolaže ogromnim količinama manje korisnih informacija.

To je posebno važno zato što je od stotina hiljada poznatih peptida samo mali broj eksperimentalno ispitan zbog mogućih antimikrobnih svojstava.

Virtuelni mikroskop provjerava molekule

Međutim, molekuli koje predloži vještačka inteligencija moraju da prođu dodatnu provjeru.

Tu na scenu stupaju fizičke simulacije, koje omogućavaju naučnicima da posmatraju ponašanje molekula na atomskom nivou.

Peptidi djeluju tako što mijenjaju svoj oblik. Mnogi antimikrobni peptidi uništavaju bakterije tako što razaraju njihovu ćelijsku membranu. U simulacijama se svaki atom prikazuje kao mala sfera, a računar prati kako se molekuli ponašaju u vodi i u kontaktu sa membranama bakterijskih ili ljudskih ćelija.

Istraživači ovaj pristup nazivaju svojevrsnim „virtuelnim mikroskopom“, jer omogućava uvid u procese koji se odvijaju na molekularnom nivou.

Ako simulacija pokaže da novi peptid uspješno oštećuje membranu bakterije, a pritom ne narušava membrane ljudskih ćelija, postoji velika vjerovatnoća da predstavlja dobar kandidat za novi antibiotik.

Brži put do novih ljekova

Na ovaj način moguće je unaprijed eliminisati molekule koji nisu bezbjedni ili efikasni, prije nego što započnu skupa laboratorijska ispitivanja.

Rezultati simulacija zatim se vraćaju sistemu vještačke inteligencije, koji na osnovu tih podataka dodatno unapređuje svoje modele i predlaže još kvalitetnije molekule.

Istraživači smatraju da bi ovakav pristup mogao značajno da ubrza razvoj novih antibiotika, smanji troškove istraživanja i omogući da se laboratorijski eksperimenti usmjere samo na najperspektivnije kandidate.

U trenutku kada otpornost bakterija predstavlja jednu od najvećih globalnih zdravstvenih prijetnji, kombinacija vještačke inteligencije i naprednih računarskih simulacija mogla bi da postane jedno od najvažnijih oružja u razvoju nove generacije antibiotika, zaključuje The Conversation.