Возможности искусственного интеллекта повсеместно исследуются в оптимизации деятельности в области медицины. Это особенно актуально в контексте разработки новых лекарственных препаратов, требующих большой аналитической работы, обработки больших объемов данных и высокой точности.
Исследователи из Массачусетского технологического института (MIT) обнаружили новый класс антибиотиков, способных справляться с крайне опасной и высокорезистентной инфекцией – метициллинрезистентным золотистым стафилококком (MRSA). MRSA чаще всего клинически проявляется в виде кожных инфекций или пневмонии, и поддается лечению только единичными антимикробными препаратами.
Результаты исследования опубликованы в журнале Nature.
Большинство разрабатываемых прогностических моделей с использованием искусственного интеллекта представляют собой «черные ящики», поскольку не дают представления о внутренних алгоритмах работы системы и той информации, которая обладает наибольшей ценностью для работы таких алгоритмов. Авторы представленного исследования поставили цель открыть такой «черный ящик».
Алгоритм глубокого машинного обучения был обучен на тестовых данных объемом в 39 000 химических соединений с информацией о том, какие из них обладают противомикробной активностью в отношении MRSA. В дальнейшем для сужения области поиска ученые in vitro оценивали токсичность соединений на трех типах клеток человека.
В дальнейшем было проанализировано около 12 миллионов различных соединений (коммерчески доступных). Всего было определено 5 классов соединений с потенциальной антимикробной для MRSA активностью, группы различались по принципу химической структуры.
Около 280 соединений были получены лабораторией для определения антимикробной активности против MRSA в чашках Петри. Из них было отобрано 2 кандидата с выраженными антимикробными свойствами. Было показано, что механизм действия препаратов связан с нарушением способности бактерий к передаче электрохимического градиента в клеточных мембранах – ключевой в жизнеобеспечении различных органелл и базовых метаболических процессов (например, синтез АТФ).
Таким образом, отобранные препараты обладают выраженной антимикробной активностью в отношении грамм-положительных патогенов, при этом не были обнаружены токсичные свойства в отношении клеток человека.
Одной из важнейших особенностей данной работы является тот факт, что в ее ходе удалось понять, какую именно информацию используют алгоритмы глубокого обучения для прогнозирования антимикробного потенциала в химическом соединении – это позволит в дальнейшем оптимизировать работу в этом направлении с точки зрения временных и ресурсных затрат.