باستخدام خوارزمية التعلم الآلي (عمليات حسابية آلية معقدة)، تمكن العلماء في معهد ماساتشوستس للتكنولوجيا (MIT) من اكتشاف مركب كميائي جديد للمضادات الحيوية. في الاختبارات المعملية، أشاد الباحثون بهذا الإنجاز؛ حيث قتل العديد من أكثر أنواع البكتيريا المسببة للأمراض في العالم، بما في ذلك بعض السلالات المقاومة لجميع المضادات الحيوية المعروفة.
وتم تصميم نموذج الكمبيوتر، الذي يمكن أن يجتذب 100 مليون مركب كيميائي في غضون أيام، لاختيار المضادات الحيوية المحتملة التي تقتل البكتيريا باستخدام آليات مختلفة عن تلك الموجودة في الأدوية الموجودة.
قال “جيمس كولينز”؛ أستاذ في معهد الهندسة والعلوم الطبية (IMES) التابع لمعهد ماساتشوستس للتكنولوجيا: “أردنا تطوير منصة تسمح لنا بتسخير قوة الذكاء الاصطناعي للدخول في عصر جديد من اكتشاف المضادات الحيوية”، مضيفًا أن هذا المضاد الحيوي أحد أقوي المضادات الحيوية التي تم اكتشافها حتى الآن.
وتوضح “ريجينا بارزيلاي”؛ أستاذ الهندسة الكهربائية وعلوم الكمبيوتر في مختبر علوم الكمبيوتر والذكاء الاصطناعي (CSAIL) التابع لمعهد ماساتشوستس للتكنولوجيا (MIT)، أن “نموذج التعلم الآلي يمكن أن يستكشف مساحات كيميائية كبيرة يمكن أن تكون باهظة التكلفة للنهج التجريبية التقليدية”.
وعلى مدى العقود القليلة الماضية، طوّر الباحثون القليل من المضادات الحيوية الجديدة، ومعظمها عبارة عن أنواع مختلفة قليلًا من الأدوية الموجودة. وغالبًا ما تكون الطرق الحالية لفحص المضادات الحيوية الجديدة مكلفة للغاية، وتتطلب استثمارًا كبيرًا في الوقت، وعادة ما تقتصر على نطاق ضيق من التنوع الكيميائي.
إن فكرة استخدام نماذج الكمبيوتر التنبؤية للفحص ليست جديدة، ولكن حتى الآن، لم تكن هذه النماذج دقيقة بما فيه الكفاية لتحويل اكتشاف الأدوية. في السابق، كانت الجزيئات ممثلة كناقلات تعكس وجود أو عدم وجود مجموعات كيميائية معينة، وعلى الرغم من ذلك، يمكن للشبكات العصبية اليوم أن تتعلم هذه التمثيلات تلقائيًا، مع ربط الجزيئات في ناقلات مستمرة تُستخدم لاحقًا للتنبؤ بخصائصها.
في هذه الحالة، صمم باحثو معهد ماساتشوستس للتكنولوجيا نموذجهم للبحث عن السمات الكيميائية التي تجعل الجزيئات فعالة في قتل الإشريكية القولونية. ولفعل ذلك، دربوا النموذج على 2500 جزيء، بما في ذلك حوالي 1700 دواء معتمد من قِبل إدارة الأغذية والعقاقير و800 منتج طبيعي بهياكل متنوعة ومجموعة واسعة من الأنشطة الحيوية.
وبمجرد تدريب النموذج، اختبره الباحثون في مركز إعادة استخدام الأدوية التابع للمعهد، وهي مكتبة تضم 6000 مركب، ثم قلص الذكاء الاصطناعي المرشحين إلى جزيء واحد كان من المتوقع أن يكون له نشاط قوي مضاد للجراثيم ويتميز ببنية كيميائية مختلفة عن أي مضادات حيوية موجودة، وباستخدام نموذج منفصل للتعلم الآلي، أظهر الباحثون أيضًا أن هذا الجزيء من المحتمل أن يكون له سمية منخفضة للخلايا البشرية.
وأطلق باحثو معهد ماساتشوستس للتكنولوجيا على هذا الجزيء اسم “halicin”، ولاختبار فعاليته في الحيوانات الحية، استخدمه الباحثون لعلاج الفئران المصابة بـ (A. baumannii )، وهي بكتيريا أصابت العديد من الجنود الأمريكيين المتمركزين في العراق وأفغانستان، إن السلالة التي استخدموها مقاومة لجميع المضادات الحيوية المعروفة، ولكن تطبيق مرهم يحتوي على “halicin ” يزيل العدوى تمامًا في غضون 24 ساعة.
وتشير الدراسات الأولية إلى أن “halicin” يقتل البكتيريا عن طريق تعطيل قدرتها على الحفاظ على التدرج الكهروكيميائي عبر أغشية الخلايا. هذا التدرج ضروري، من بين وظائف أخرى، لإنتاج ATP (الجزيئات التي تستخدمها الخلايا لتخزين الطاقة)؛ لذلك إذا انهار التدرج، فإن الخلايا تموت، ويقول الباحثون إن هذا النوع من آليات القتل قد يكون من الصعب على البكتيريا تطوير مقاومته.
وبعد تحديد “halicin”، استخدم الباحثون أيضًا نموذجهم لفحص أكثر من 100 مليون جزيء تم اختيارها من قاعدة بيانات (ZINC15)، وهي مجموعة عبر الإنترنت تحتوي على حوالي 1.5 مليار مركب كيميائي، وحددت 23 مرشحًا كانت مختلفة من الناحية الهيكلية عن المضادات الحيوية الموجودة وتوقعت أنها غير سامة للخلايا البشرية.
وفي الاختبارات المعملية ضد خمسة أنواع من البكتيريا، وجد الباحثون أن ثمانية من الجزيئات أظهرت نشاطًا مضادًا للبكتيريا، واثنان قويان بشكل خاص. والآن يخطط الباحثون إلى اختبار هذه الجزيئات بشكل أكبر، وفحص المزيد من قاعدة بيانات (ZINC15) الضخمة.
ويخطط الباحثون أيضًا لاستخدام نموذجهم لتصميم مضادات حيوية جديدة وتحسين الجزيئات الموجودة. على سبيل المثال، يمكنهم تدريب النموذج على إضافة ميزات من شأنها أن تجعل مضادًا حيويًا معينًا يستهدف بكتيريا معينة فقط، ما يمنعه من قتل البكتيريا المفيدة في الجهاز الهضمي للمريض.
في النهاية، ما زال استخدام الذكاء الاصطناعي في مجال الرعاية الطبية في مراحله الأولي. ولكن يأمل الباحثون في استخدام التكنولوجيا لتسريع اكتشاف الدواء، ويمكن أن يساعد ذلك في خفض تكلفة إنتاج المزيد من المضادات الحيوية في المستقبل.
المصدر: futuretimeline:Artificial intelligence creates new antibiotic
بعد قراءة الموضوع يمكنك معرفة المزيد عن الكلمات الآتية:
5G Apple ChatGPT Google iPhone أبل أمازون أمن المعلومات أندرويد إيلون ماسك الأمن السيبراني الإنترنت البيانات التخصصات المطلوبة التكنولوجيا الذكاء الاصطناعي الزراعة السيارات الكهربائية الصين الطاقة الفضاء المدن الذكية المملكة العربية السعودية الهواتف الذكية تويتر جوجل حساب المواطن رابط التقديم رابط التقديم للوظيفة سامسونج سدايا سيارة شركة أبل شركة جوجل عالم التكنولوجيا فيروس كورونا فيسبوك كورونا مايكروسوفت منصة أبشر ناسا هاتف هواوي واتساب وظائف شاغرة