Dengan menggunakan kecerdasan buatan, peneliti MIT menemukan senyawa yang secara efektif membunuh MRSA, bakteri mematikan, sekaligus aman bagi sel manusia. Pekerjaan mereka, menjadikan proses prediksi AI transparan, menandai langkah signifikan dalam perjuangan melawan bakteri yang kebal antibiotik.
Senyawa ini dapat membunuh bakteri yang resisten terhadap metisilin Stafilokokus aureus (MRSA), bakteri yang menyebabkan infeksi mematikan.
Menggunakan jenis kecerdasan buatan yang dikenal sebagai pembelajaran mendalam, DENGAN para peneliti telah menemukan sekelompok senyawa yang dapat membunuh bakteri yang resistan terhadap obat yang menyebabkan lebih dari 10.000 kematian di Amerika Serikat setiap tahunnya.
Dalam sebuah penelitian yang diterbitkan baru-baru ini di Alampara peneliti menunjukkan bahwa senyawa tersebut dapat membunuh orang yang resisten terhadap metisilin Stafilokokus aureus (MRSA) ditanam di cawan laboratorium dan pada dua model tikus yang terinfeksi MRSA. Senyawa ini juga menunjukkan toksisitas yang sangat rendah terhadap sel manusia, menjadikannya kandidat obat yang baik.
Memahami Kekuatan Analitis AI
Inovasi utama dari studi baru ini adalah para peneliti juga dapat mengetahui jenis informasi apa yang digunakan model pembelajaran mendalam untuk membuat prediksi potensi antibiotik. Pengetahuan ini dapat membantu peneliti merancang obat tambahan yang mungkin bekerja lebih baik daripada obat yang diidentifikasi dalam model.
“Pemahamannya di sini adalah kita bisa melihat apa yang dipelajari oleh model untuk membuat prediksi bahwa molekul tertentu akan menghasilkan antibiotik yang baik. Pekerjaan kami menyediakan kerangka kerja yang hemat waktu, hemat sumber daya, dan berwawasan mekanis, dari sudut pandang struktur kimia, dengan cara yang belum pernah kami lakukan hingga saat ini,” kata James Collins, Profesor Teknik Medis dan Sains Termeer. di Institut Teknik dan Sains Medis (IMES) MIT dan Departemen Teknik Biologi.
Felix Wong, seorang postdoc di IMES dan Broad Institute of MIT dan Harvard, dan Erica Zheng, mantan mahasiswa pascasarjana Harvard Medical School yang diberi nasihat oleh Collins, adalah penulis utama penelitian ini, yang merupakan bagian dari Proyek Antibiotik-AI. di MIT. Misi proyek ini, yang dipimpin oleh Collins, adalah menemukan kelas antibiotik baru terhadap tujuh jenis bakteri mematikan, selama tujuh tahun.
Mengatasi MRSA Dengan AI
MRSA, yang menginfeksi lebih dari 80.000 orang di Amerika Serikat setiap tahunnya, seringkali menyebabkan infeksi kulit atau pneumonia. Kasus yang parah dapat menyebabkan sepsis, infeksi aliran darah yang berpotensi fatal.
Selama beberapa tahun terakhir, Collins dan rekan-rekannya di Klinik Abdul Latif Jameel untuk Pembelajaran Mesin di Kesehatan (Klinik Jameel) MIT telah mulai menggunakan pembelajaran mendalam untuk mencoba menemukan antibiotik baru. Pekerjaan mereka telah menghasilkan obat-obatan yang berpotensi melawan Acinetobacter baumanniibakteri yang sering ditemukan di rumah sakit, dan banyak bakteri resisten obat lainnya.
Menguraikan Kotak Hitam AI
Senyawa tersebut diidentifikasi menggunakan model pembelajaran mendalam yang dapat belajar mengidentifikasi struktur kimia yang terkait dengan aktivitas antimikroba. Model-model ini kemudian menyaring jutaan senyawa lain, menghasilkan prediksi senyawa mana yang mungkin memiliki aktivitas antimikroba kuat.
Jenis penelusuran ini telah terbukti membuahkan hasil, namun salah satu keterbatasan pada pendekatan ini adalah modelnya bersifat “kotak hitam”, artinya tidak ada cara untuk mengetahui fitur apa yang menjadi dasar prediksi model tersebut. Jika para ilmuwan mengetahui bagaimana model tersebut membuat prediksi, akan lebih mudah bagi mereka untuk mengidentifikasi atau merancang antibiotik tambahan.
“Apa yang ingin kami lakukan dalam penelitian ini adalah membuka kotak hitam,” kata Wong. “Model-model ini terdiri dari sejumlah besar kalkulasi yang meniru koneksi saraf, dan tidak ada yang benar-benar tahu apa yang terjadi di baliknya.”
Meningkatkan Akurasi Prediktif AI
Pertama, para peneliti melatih model pembelajaran mendalam menggunakan kumpulan data yang diperluas secara substansial. Mereka menghasilkan data pelatihan ini dengan menguji sekitar 39.000 senyawa untuk mengetahui aktivitas antibiotik terhadap MRSA, dan kemudian memasukkan data ini, ditambah informasi tentang struktur kimia senyawa tersebut, ke dalam model.
“Pada dasarnya Anda dapat merepresentasikan molekul apa pun sebagai struktur kimia, dan Anda juga dapat memberi tahu modelnya apakah struktur kimia tersebut bersifat antibakteri atau tidak,” kata Wong. “Model ini dilatih dengan banyak contoh seperti ini. Jika Anda kemudian memberinya molekul baru, susunan atom dan ikatan baru, hal ini dapat memberi tahu Anda kemungkinan bahwa senyawa tersebut diprediksi bersifat antibakteri.”
Untuk mengetahui bagaimana model tersebut membuat prediksinya, para peneliti mengadaptasi algoritma yang dikenal sebagai pencarian pohon Monte Carlo, yang telah digunakan untuk membantu membuat model pembelajaran mendalam lainnya, seperti AlphaGo, lebih mudah dijelaskan. Algoritme pencarian ini memungkinkan model untuk menghasilkan tidak hanya perkiraan aktivitas antimikroba setiap molekul, namun juga prediksi substruktur molekul mana yang kemungkinan besar bertanggung jawab atas aktivitas tersebut.
Proses Penemuan Obat Berbasis AI
Untuk lebih mempersempit kandidat obat, para peneliti melatih tiga model pembelajaran mendalam tambahan untuk memprediksi apakah senyawa tersebut beracun bagi tiga jenis sel manusia yang berbeda. Dengan menggabungkan informasi ini dengan prediksi aktivitas antimikroba, para peneliti menemukan senyawa yang dapat membunuh mikroba namun memiliki efek buruk yang minimal pada tubuh manusia.
Dengan menggunakan kumpulan model ini, para peneliti menyaring sekitar 12 juta senyawa, yang semuanya tersedia secara komersial. Dari koleksi ini, model mengidentifikasi senyawa dari lima kelas berbeda, berdasarkan substruktur kimia di dalam molekul, yang diperkirakan aktif melawan MRSA.
Hasil Menjanjikan dan Arah Masa Depan
Para peneliti membeli sekitar 280 senyawa dan mengujinya terhadap MRSA yang ditanam di laboratorium, memungkinkan mereka mengidentifikasi dua, dari kelas yang sama, yang tampaknya merupakan kandidat antibiotik yang sangat menjanjikan. Dalam pengujian pada dua model tikus, satu model infeksi MRSA kulit dan satu model infeksi MRSA sistemik, masing-masing senyawa tersebut mengurangi populasi MRSA sebanyak 10 kali lipat.
Percobaan mengungkapkan bahwa senyawa tersebut tampaknya membunuh bakteri dengan mengganggu kemampuan mereka untuk mempertahankan gradien elektrokimia melintasi membran sel mereka. Gradien ini diperlukan untuk banyak fungsi penting sel, termasuk kemampuan menghasilkan ATP (molekul yang digunakan sel untuk menyimpan energi). Kandidat antibiotik yang ditemukan laboratorium Collins pada tahun 2020, halicin, tampaknya bekerja dengan mekanisme serupa tetapi spesifik untuk bakteri Gram-negatif (bakteri dengan dinding sel tipis). MRSA adalah bakteri Gram positif, dengan dinding sel lebih tebal.
“Kami memiliki bukti yang cukup kuat bahwa kelas struktural baru ini aktif melawan patogen Gram-positif dengan secara selektif menghilangkan kekuatan motif proton pada bakteri,” kata Wong. “Molekul tersebut menyerang membran sel bakteri secara selektif, dengan cara yang tidak menyebabkan kerusakan besar pada membran sel manusia. Pendekatan pembelajaran mendalam kami yang ditingkatkan secara substansial memungkinkan kami untuk memprediksi kelas struktural antibiotik baru ini dan memungkinkan temuan bahwa antibiotik tersebut tidak beracun terhadap sel manusia.”
Para peneliti telah membagikan temuan mereka dengan Phare Bio, sebuah organisasi nirlaba yang didirikan oleh Collins dan lainnya sebagai bagian dari Proyek Antibiotik-AI. Organisasi nirlaba tersebut kini berencana melakukan analisis lebih rinci mengenai sifat kimia dan potensi penggunaan klinis senyawa ini. Sementara itu, laboratorium Collins sedang merancang kandidat obat tambahan berdasarkan temuan studi baru, serta menggunakan model untuk mencari senyawa yang dapat membunuh jenis bakteri lain.
“Kami telah memanfaatkan pendekatan serupa berdasarkan substruktur kimia untuk merancang senyawa de novo, dan tentu saja, kami dapat dengan mudah mengadopsi pendekatan ini untuk menemukan kelas antibiotik baru untuk melawan patogen yang berbeda,” kata Wong.
Referensi: “Penemuan kelas struktural antibiotik dengan pembelajaran mendalam yang dapat dijelaskan” oleh Felix Wong, Erica J. Zheng, Jacqueline A. Valeri, Nina M. Donghia, Melis N. Anahtar, Satotaka Omori, Alicia Li, Andres Cubillos-Ruiz, Aarti Krishnan, Wengong Jin, Abigail L. Manson, Jens Friedrichs, Ralf Helbig, Behnoush Hajian, Dawid K. Fiejtek, Florence F. Wagner, Holly H. Soutter, Ashlee M. Earl, Jonathan M. Stokes, Lars D. Renner dan James J.Collins, 20 Desember 2023, Alam.
DOI: 10.1038/s41586-023-06887-8
Selain MIT, Harvard, dan Broad Institute, lembaga yang berkontribusi pada makalah ini adalah Integrated Biosciences, Inc., Wyss Institute for Biologically Inspired Engineering, dan Leibniz Institute of Polymer Research di Dresden, Jerman. Penelitian ini didanai oleh James S. McDonnell Foundation, Institut Alergi dan Penyakit Menular Nasional AS, Yayasan Sains Nasional Swiss, Program Beasiswa Banting, Yayasan Volkswagen, Badan Pengurangan Ancaman Pertahanan, AS Institut Kesehatan Nasional, dan Institut Luas. Proyek Antibiotik-AI didanai oleh Audacious Project, Flu Lab, Sea Grape Foundation, Wyss Foundation, dan donor anonim.
RisalahPos.com Network
Related posts
# PARTNERSHIP
