هوش مصنوعی، پیشگام در طراحی آنتی‌بیوتیک‌های جدید برای مقابله با ابرمیکروب‌ها

چالش مقاومت آنتی‌بیوتیکی

مقاومت باکتری‌ها در برابر آنتی‌بیوتیک‌ها به یک بحران جهانی تبدیل شده و سالانه بیش از یک میلیون مرگ را به دنبال دارد. مصرف بی‌رویه آنتی‌بیوتیک‌ها باعث تکامل باکتری‌ها و کاهش اثربخشی داروها شده است. در دهه‌های اخیر، کشف آنتی‌بیوتیک‌های جدید با کندی مواجه بوده است.

رویکرد نوین هوش مصنوعی

برخلاف روش‌های پیشین که هوش مصنوعی تنها هزاران ترکیب شیمیایی شناخته‌شده را بررسی می‌کرد، این بار پژوهشگران دانشگاه ام‌آی‌تی با استفاده از هوش مصنوعی مولد، آنتی‌بیوتیک‌ها را از پایه طراحی کرده‌اند. این مطالعه که در مجله «سل» منتشر شده، ۳۶ میلیون ترکیب را مورد بررسی قرار داده است؛ از جمله ترکیباتی که تاکنون کشف نشده‌اند.

نحوه آموزش هوش مصنوعی

دانشمندان برای آموزش هوش مصنوعی، ساختار شیمیایی ترکیبات شناخته‌شده را به همراه داده‌هایی در اختیار آن قرار دادند که نشان می‌داد این ترکیبات تا چه حد می‌توانند رشد گونه‌های مختلف باکتری را کند کنند. هوش مصنوعی سپس آموخت که باکتری‌ها چگونه تحت تأثیر ساختارهای مولکولی مختلف – ساخته‌شده از اتم‌هایی مانند کربن، اکسیژن، هیدروژن و نیتروژن – قرار می‌گیرند.

دو رویکرد طراحی

• رویکرد اول: جستجو در بایگانی شامل میلیون‌ها قطعه شیمیایی کوچک (با اندازه ۸ تا ۱۹ اتم) برای شناسایی و توسعه یک نقطه شروع امیدوارکننده.
• رویکرد دوم: اعطای اختیار کامل طراحی به هوش مصنوعی از ابتدا.

در فرآیند طراحی، هر ترکیبی که بیش از حد شبیه آنتی‌بیوتیک‌های موجود بود، حذف شد. همچنین تلاش شد تا داروهایی واقعی و نه موادی مانند صابون ابداع شوند و هر ترکیبی که پیش‌بینی می‌شد برای انسان سمی باشد، کنار گذاشته شد.

نتایج آزمایشگاهی و چالش‌های پیش‌رو

دانشمندان از این روش برای ساخت آنتی‌بیوتیک‌هایی علیه بیماری مقاربتی سوزاک و همچنین باکتری خطرناک مرسا استفاده کردند. پس از تولید، طرح‌های برتر روی باکتری‌ها در آزمایشگاه و همچنین روی موش‌های آلوده آزمایش شدند و نتیجه، دو داروی بالقوه جدید بود.

پروفسور جیمز کالینز از دانشگاه ام‌آی‌تی می‌گوید: «ما هیجان‌زده‌ایم چون نشان دادیم که هوش مصنوعی مولد می‌تواند برای طراحی آنتی‌بیوتیک‌های کاملاً جدید به کار رود. هوش مصنوعی می‌تواند به ما امکان دهد که مولکول‌ها را ارزان و سریع طراحی کنیم و به این شکل، زرادخانه دارویی‌مان را گسترش دهیم و در نبرد فکری‌مان با ژن‌های ابرمیکروب‌ها، برتری پیدا کنیم.»

با این حال، این داروها هنوز آماده ورود به کارآزمایی‌های بالینی نیستند و پیش از آغاز روند طولانی آزمایش آن‌ها روی انسان، نیاز به بهینه‌سازی دارند؛ فرایندی که برآورد می‌شود یک تا دو سال دیگر به طول انجامد.

موانع اقتصادی و تولیدی

دکتر اندرو ادواردز از «امپریال کالج لندن» این کار را «بسیار مهم» و دارای «پتانسیل عظیم» می‌داند، اما تأکید می‌کند که هنوز مسیر دشواری در زمینه آزمایش ایمنی و کارایی پیش‌رو است. همچنین، مسئله دشواری تولید ترکیب‌های طراحی‌شده با هوش مصنوعی وجود دارد؛ از میان ۸۰ درمان بالقوه برای سوزاک که به‌صورت نظری طراحی شده بودند، تنها دو مورد به مرحله سنتز و ساخت دارو رسیدند.

پروفسور کریس داوسون از دانشگاه وارویک نیز به مشکل اقتصادی در زمینه عفونت‌های مقاوم به دارو اشاره می‌کند: «چطور می‌توان داروهایی ساخت که هیچ ارزش تجاری ندارند؟» زیرا برای حفظ اثربخشی یک آنتی‌بیوتیک جدید، باید تا حد ممکن کم از آن استفاده کرد که این موضوع کسب سود از آن را دشوار می‌سازد.