世界保健機関 (WHO) によると、これは世界の健康が直面している最も重要な問題の 1 つです。 2050 年からは毎年 1,000 万人の命が奪われ、予測を変更できなければ世界経済へのコストは非常に大きくなるでしょう。 これに、抗生物質に対する耐性には危険なパラドックスがあることを付け加えなければなりません。細菌は「短期間」で抗生物質を回避する方法を学習しますが、新薬の発見と開発には長年の研究が必要です。 別の方法は、すでに存在する薬を別の方法で見ることです。 おそらくその中には、その設計目的に加えて、第二の用途が隠されているものもあるでしょう。
それはまさに、インペリアル・カレッジ・ロンドンの科学者たちが人工知能の助けを借りて成し遂げたことだ。 目的は 肺炎球菌、肺炎や中耳炎と同じくらい一般的な感染症の原因となる細菌、 だけでなく、髄膜炎や菌血症などの重篤な病気によるものもあります。問題は、一部の菌株がいくつかの抗生物質に対する耐性を獲得しており、世界保健機関がこの種を抗菌薬の対象に含めていることです。 開発の優先順位 新しい治療法のこと。
この戦略はドラッグ リポジショニングとして知られています。分子をゼロから発見するのではなく、すでに研究されている薬剤の新しい用途が模索されます。これにより、時間とリソースを節約でき、原則として、 安全性プロファイルがすでにわかっている化合物から開始することが可能。しかし、数千の分子の中からそれらの新しい特性を見つけるのは依然として大きな課題です。 そこで人工知能の登場です。
で 研究はSciences Advanceに掲載されました、ペドロ・バレスター率いる著者らは、以下のデータセットを構築しました。 すでに肺炎球菌に対する活性を示した分子1,849個と、そうでない分子34,503個。彼らを使って、彼らは 3 つの異なるタイプのモデルをトレーニングしました。決定ツリーのセット、分子を連結構造として分析するニューラル ネットワーク、およびトランスフォーマー モデル (数億の分子で事前にトレーニングされた AI アーキテクチャ) です。次に、3 つのシステムを併用して、6,747 種類の薬剤のライブラリーをスクリーニングして、細菌を阻止できる候補を見つけました。
機械はその膨大なリストを 11 個の候補に絞り込みました。そして、人工知能が置き換えることのできない部分、つまり実験室が登場しました。 Ballester のチームは、選択した化合物が本当に細菌の増殖を防ぐことができるかどうかを実験的に確認しました。 肺炎球菌。そのうちの 9 人は、平均阻害濃度が 1 ミリリットルあたり 0.4 マイクログラム以下で、かなりの効力を持ってこれを実行しました。 そして、その中には、 チオストレプトンとセフチオフルという 2 つの分子が特に目立っていました。 最初のものは、1 ミリリットルあたりわずか 0.0001 マイクログラムの阻害濃度に達し、2 つ目は 0.0004 マイクログラムでした。さらに、チオストレプトンは、多剤耐性肺炎球菌に対して高い活性を維持しました。
それは、これらの薬が明日から肺炎に対して使用できるという意味ではありません。結果は実験室で行われた実験に対応しており、他の問題の中でも特に次のことを判断する必要があります。 必要な濃度が体内で安全に達成できるかどうか、有効性と毒性のバランスが臨床で使用できるかどうか。この発見は、今のところ、調査を継続する信号だ。
目新しさは検索にもあります。 Ballester氏のチームはAIに全く新しい分子を見つけるよう依頼したのではなく、どの構造がどの分子に関連しているかを以前の実験から学習するように依頼した。 抗菌効果を解明し、その知識を利用して既存の薬剤の中に隠された可能性を見つけます。 そして、それぞれが分子の異なる特性を捉えることができるため、3 つの異なるアプローチを組み合わせました。
「薬物の再利用は、 AI は抗菌薬耐性と戦う強力な戦略となっている特に、いくつかの活性分子がすでに知られており、トレーニングまたは微調整データセットとして使用できる病原体に対して有効です」と Ballester 氏は結論づけています。
このタイプの進歩は、このデータを人工知能モデルのトレーニングや調整に使用できるため、病原体に対して活性な分子がすでに知られている場合に特に役立ちます。 新しい効果的な治療法が耐性菌に対して時間を稼ぐツールになる可能性がある分野では、化学記憶と実験のこの組み合わせが予期せぬ道を開く可能性があります。: 次の抗生物質を発明する必要がない場合もあります。おそらく、既存のものが他に何に適しているかを考え出す必要があるだけかもしれません。
