Umělá inteligence a fyzika spojují síly: Vědci objevují cestu k novým antibiotikům
InovaceVývoj nových antibiotik je v současné době zdlouhavý a nákladný proces, který může trvat déle než deset let a stát přes miliardu dolarů. Navíc, z třinácti nových antibiotik vyvinutých od roku 2017 je deset již neúčinných proti alespoň jednomu typu bakterií.
Vývoj nových antibiotik je v současné době zdlouhavý a nákladný proces, který může trvat déle než deset let a stát přes miliardu dolarů. Navíc, z třinácti nových antibiotik vyvinutých od roku 2017 je deset již neúčinných proti alespoň jednomu typu bakterií. Vědci proto hledají inovativní řešení, jak tento proces urychlit a zefektivnit, a jednou z nadějných cest je kombinace generativní umělé inteligence a simulací založených na fyzikálních principech.
Tato metoda umožňuje vědcům navrhovat dosud neviděné molekuly, které by mohly sloužit jako nové léky. Klíčovou roli zde hrají peptidy, krátké proteiny, které v těle plní mnoho funkcí – například inzulin, široce používaný k léčbě cukrovky, nebo vancomycin, důležité antibiotikum. Umělá inteligence je rozdělena na dvě části: generátor, který dokáže rychle vymyslet miliony nových návrhů peptidů, a doporučovač, který vybírá nejvhodnější návrhy pro další simulaci, podobně jako algoritmus YouTube doporučuje videa. Nedávný výzkum ukázal, že pro trénování generátoru je efektivnější poskytnout malé množství vysoce relevantních informací než velké množství méně relevantních dat.
Jakmile umělá inteligence navrhne potenciální kandidáty, nastupuje fyzika, aby tyto návrhy ověřila. Peptidy fungují tak, že mění svůj tvar. Antimikrobiální peptidy například mění svůj „tanec“ v závislosti na blízkosti savčí buňky nebo bakteriální buňky. Blízko bakterií, jako je E. coli, provádějí „smrtonosný tanec“, který napadá a rozbíjí jejich membránu. Fyzikální simulace, označované jako „virtuální mikroskop in silico“, umožňují vědcům pozorovat, jak se atomy peptidů a membrán chovají v čase. Díky tomu lze předběžně prověřit nové peptidy na antimikrobiální aktivitu a zároveň zjistit jejich potenciální toxicitu pro lidské buňky.
Tento přístup výrazně zkracuje čas a snižuje náklady na vývoj léků, protože umožňuje identifikovat slibné peptidy ještě před zahájením nákladných laboratorních experimentů. Informace získané ze simulací navíc pomáhají neustále zlepšovat modely umělé inteligence. Výsledkem by mohlo být více dostupných a levnějších léků, což je obzvláště důležité v době rostoucí antibiotické rezistence. Bez účinných antibiotik by se běžné lékařské zákroky, jako jsou náhrady kyčelního kloubu nebo císařské řezy, mohly stát život ohrožujícími.
The Conversation