L’uso dell’intelligenza artificiale (IA) si sta rivelando una svolta nel campo della medicina: la tecnologia sta aiutando gli scienziati a scoprire i primi nuovi antibiotici nell’arco di 60 anni.
La scoperta di un nuovo composto in grado di eliminare un batterio resistente ai farmaci che ogni anno, uccide migliaia di persone in tutto il mondo, potrebbe rivelarsi un punto di svolta nella lotta contro la resistenza agli antibiotici.
James Collins, professore di ingegneria medica e scienza presso il Massachusetts Institute of Technology (MIT) uno degli autori dello studio, ha affermato:
«L’intuizione è stata quella di poter vedere che cosa i modelli hanno imparato per fare le loro previsioni sul fatto che certe molecole sarebbero state dei buoni antibiotici. Il nostro lavoro fornisce un quadro di riferimento efficiente in termini di tempo e di risorse e una comprensione del meccanismo, dal punto di vista della struttura chimica, in modi che finora non abbiamo avuto».
I risultati dello studio sono stati pubblicati nella rivista Nature e sono stati redatti da un team di 21 ricercatori.
Lo studio mira ad “aprire la scatola nera
Il team di ricercatori ha utilizzato un modello di apprendimento profondo per prevedere l’attività e la tossicità del nuovo composto.
L’apprendimento profondo prevede l’uso di reti neurali artificiali per apprendere e rappresentare automaticamente le caratteristiche dei dati senza una programmazione esplicita. Il team di ricercatori in questo caso, si sono concentrati sullo Staphylococcus aureus resistente alla meticillina (MRSA). Le infezioni da MRSA possono variare da lievi infezioni cutanee a condizioni più gravi e potenzialmente letali come polmonite e infezioni del flusso sanguigno.
Il Centro europeo per la prevenzione e il controllo delle malattie (ECDC), riporta che ogni anno nell’Unione europea si verificano quasi 150.000 infezioni da MRSA e quasi 35.000 persone muoiono per infezioni resistenti agli antimicrobici.
Il team di ricercatori del MIT ha addestrato un modello di deep learning largamente ampliato utilizzando set di dati più estesi, per creare i dati di addestramento, sono stati valutati circa 39.000 composti per la loro attività antibiotica contro il MRSA. Successivamente, sia i dati risultanti sia i dettagli relativi alle strutture chimiche dei composti sono stati inseriti nel modello.
Felix Wong, uno degli autori principali dello studio, ha affermato:
«In questo studio ci siamo proposti di aprire la scatola nera, questi modelli sono costituiti da un numero elevatissimo di calcoli che imitano le connessioni neurali, e nessuno sa davvero che cosa succede sotto il cofano».
Scoperta di un nuovo composto
Il team di ricercatori per affinare la selezione dei potenziali farmaci, hanno impiegato altri tre modelli di apprendimento profondo, questi modelli sono stati addestrati per valutare la tossicità dei composti su tre tipi distinti di cellule umane. Integrando queste previsioni di tossicità con l’attività antimicrobica precedentemente determinata, hanno individuato i composti in grado di combattere efficacemente i microbi con un danno minimo per il corpo umano.
Utilizzando questa serie di modelli, sono stati esaminati circa 12 milioni di composti disponibili in commercio. I modelli hanno identificato composti di cinque diverse classi, classificati in base a specifiche sottostrutture chimiche all’interno delle molecole, che hanno mostrato un’attività prevista contro il MRSA.
Il team di ricercatori successivamente hanno acquisito circa 280 di questi composti e hanno condotto test contro il MRSA in laboratorio, questo metodo li ha portati a identificare due promettenti candidati antibiotici appartenenti alla stessa classe: in esperimenti condotti su due modelli murini – uno per l’infezione cutanea da MRSA e l’altro per l’infezione sistemica da MRSA – ciascuno di questi composti ha ridotto la popolazione di MRSA di 10 volte.
