MIT’deki araştırmacılar tarafından bir makine öğrenme algoritması kullanarak yeni ve güçlü bir antibiyotik bileşimi geliştirildi. İlaç, bilinen tüm antibiyotiklere dirençli bazı suşlar da dahil olmak üzere, laboratuvar testlerinde dünyanın en sorunlu hastalıklarına neden olan bakterilerinin çoğunu öldürdü. Ayrıca iki farklı fare modelindeki enfeksiyonları da temizledi.

Birkaç gün içinde yüz milyondan fazla kimyasal bileşiği tarayabilen bilgisayar modeli, mevcut ilaçlardan farklı mekanizmalar kullanarak bakterileri öldüren potansiyel antibiyotikleri ortaya çıkarmak için tasarlanmıştır.

MIT’den Abdul Latif Jameel Clinic for Machine Learning in Health (J-Clinic) kliniğinde öğretim üyesi olan Regina Barzilay ve James Collins, bugün Cell’de görülebilecek olan araştırmanın kıdemli yazarlarıdır. Makalenin ilk yazarı MIT’de ve MIT ve Harvard’ın Broad Institute’unda bir doçent olan Jonathan Stokes.

J-Clinic, MIT Intelligence Quest’in önemli bir parçasıdır ve hastalığın önlenmesi, tespiti ve tedavisinde devrim yaratacak makine öğrenim teknolojileri geliştirmeye odaklanmaktadır. Kurum, tanılamadan ilaçlara kadar sağlık alanlarında yüksek hassasiyetli, uygun fiyatlı ve ölçeklenebilir makine öğrenimi teknolojileri yaratmaya ve ticarileştirmeye yönelik çalışmalar yapmaktadır.

Araştırmacılar yeni çalışmalarında daha fazla test etmeyi planladıkları diğer umut verici antibiyotik adaylarını da belirlediler. Modelin, ilaçların bakterileri öldürmesini sağlayan kimyasal yapılar hakkında öğrendiklerine dayanarak yeni ilaçlar tasarlamak için de kullanılabileceğine inanıyorlar.

MIT Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı (CSAIL) Delta Elektronik Elektrik Mühendisliği ve Bilgisayar Bilimi Profesörü Barzilay, “Makine öğrenme modeli, geleneksel deneysel yaklaşımlar için oldukça pahalı olabilecek büyük kimyasal alanların keşfinde kullanılabilir,” yorumunu yapıyor.

Son birkaç on yılda, çok az sayıda yeni antibiyotik geliştirildi ve yeni onaylanan antibiyotiklerin çoğu mevcut ilaçlarla arasında çok az fark bulunan varyantlar. Yeni antibiyotiklerin taranması için mevcut yöntemler genellikle yasaklayıcı ve maliyetlidir, önemli bir zaman yatırımı gerektirir ve genellikle dar bir kimyasal çeşitlilik yelpazesi ile sınırlıdır.

Collins, “Antibiyotik direnci konusunda büyüyen bir krizle karşı karşıyayız ve bu durum hem mevcut antibiyotiklere dirençli hale gelen patojenlerin sayısı, hem de yeni antibiyotikler için olan biyoteknoloji ve ilaç endüstrilerinde sorunlu bir çalışma süreci tarafından üretiliyor” diyor.

“İn silico” taraması için kestirimci bilgisayar modellerinin kullanılması fikri yeni değil; ancak bu modeller, şimdiye kadar olan ilaç keşfini dönüşüme uğratmak için yeterli değildi. Daha önce moleküller, belirli kimyasal grupların varlığını veya yokluğunu yansıtan vektörler olarak temsil ediliyordu. Bununla birlikte, yeni sinir ağları, molekülleri, daha sonra özelliklerini tahmin etmek için kullanılan sürekli vektörlerle eşleştirerek bu gösterimleri otomatik olarak öğrenebilir.

Model tarafından seçilen molekülün güçlü antibakteriyel aktiviteye sahip olduğu ve mevcut herhangi bir antibiyotikten farklı bir kimyasal yapıya sahip olduğu tahmin edildi. Araştırmacılar, farklı bir makine öğrenme modeli kullanarak, bu molekülün insan hücreleri üzerinde düşük toksisiteye sahip olacağını gösterdiler.

Community Jameel Uluslararası Başkanı Fady Jameel, “Dünya, tehlikeli hastalıklarla mücadele etmek için yeni antibiyotiklere ihtiyaç duyuyor, bu nedenle MIT’teki J-Clinic ekibinin makine öğrenimini kullanarak gerçekten yeni bir çare bulma konusunda bir atılım yapmasına yardımcı olmak son derece cesaret verici,” yorumunu yaptı. “Community Jameel, onlarca yıldır insanların yaşamlarını iyileştirmeye yardımcı olabilecek araştırmaları desteklemeye kendini adamış bir kurum. Tüberküloz gibi antibiyotiğe dirençli enfeksiyonlardan kaynaklanan riskle mücadele etmenin hepimiz üzerinde derin bir etkisi olabilir.”

Araştırmacılar, bir ilaç şirketi veya kâr amacı gütmeyen bir kuruluşla birlikte çalışarak molekül hakkında daha ileri seviyede araştırmalar yapmayı planlıyorlar. Araştırmacılar ayrıca modellerini yeni antibiyotikler tasarlamak ve mevcut molekülleri optimize etmek için kullanmayı da planlıyorlar. Örneğin, modeli belirli bir antibiyotik sadece belirli bakterileri hedefleyecek özellikler ekleyerek bir hastanın sindirim sisteminde yararlı bakterileri öldürmesini engelleyecek şekilde eğitebilirler.

Araştırma, Abdul Latif Jameel Clinic for Machine Learning in Health dahil bir dizi destekçi tarafından finanse edildi ve mümkün kılındı.