ხელოვნური ინტელექტით ახალი ანტიბიოტიკების აღმოჩენა: ჯეიმს კოლინსის კვლევა

გლობალური გამოწვევების, მათ შორის დაავადებების, ენერგიის მოთხოვნილებებისა და კლიმატის ცვლილების გადაჭრის მცდელობაში, სამეცნიერო მკვლევრებმა, მათ შორის MIT-ში, ხელოვნურ ინტელექტს და რაოდენობრივ ანალიზსა და მოდელირებას მიმართეს, რათა შეექმნათ ინჟინერირებული უჯრედები ახალი თვისებებით. ეს ინჟინერირებული უჯრედები შეიძლება დაპროგრამდეს ახალ თერაპიულ საშუალებებად — დაავადებებთან საბრძოლველად და, შესაძლოა, მათ აღმოსაფხვრელადაც კი. ჯეიმს ჯ. კოლინსი სინთეზური ბიოლოგიის სფეროს ერთ-ერთი ფუძემდებელია და ასევე წამყვანი მკვლევარია სისტემურ ბიოლოგიაში — ინტერდისციპლინურ მიდგომაში, რომელიც რთული სისტემების მათემატიკურ ანალიზსა და მოდელირებას იყენებს ბიოლოგიური სისტემების უკეთ გასაგებად. მისმა კვლევამ გამოიწვია დიაგნოსტიკისა და თერაპიის ახალი კლასების შემუშავება, მათ შორის ისეთი პათოგენების აღმოჩენასა და მკურნალობაში, როგორიცაა ებოლა, ზიკა, SARS-CoV-2 და ანტიბიოტიკების მიმართ რეზისტენტული ბაქტერიები. კოლინსი, სამედიცინო ინჟინერიისა და მეცნიერების ტერმერის პროფესორი და ბიოლოგიური ინჟინერიის პროფესორი MIT-ში, არის სამედიცინო ინჟინერიისა და მეცნიერების ინსტიტუტის (IMES) ძირითადი ფაკულტეტის წევრი, MIT-ის აბდულ ლატიფ ჯამილის კლინიკის დირექტორი ჯანდაცვაში მანქანური სწავლების საკითხებში, ასევე MIT-ისა და ჰარვარდის Broad Institute-ის წევრი და ჰარვარდის ბიოლოგიურად შთაგონებული ინჟინერიის Wyss Institute-ის დამფუძნებელი ფაკულტეტის წევრი. ამ კითხვა-პასუხში კოლინსი საუბრობს თავის უახლეს ნაშრომზე და ამ კვლევის მიზნებზე. კ. თქვენ ცნობილი ხართ MIT-ის კოლეგებთან და სხვა დაწესებულებებში თანამშრომლობით. როგორ დაგეხმარათ ეს თანამშრომლობა და მიკუთვნება თქვენს კვლევაში? პ. თანამშრომლობა ჩემი ლაბორატორიის მუშაობის ცენტრალური ნაწილი იყო. MIT-ის ჯამილის კლინიკაში ჯანდაცვაში მანქანური სწავლების საკითხებში, მე დავამყარე თანამშრომლობა რეგინა ბარზილაისთან [MIT-ის ელექტროტექნიკისა და კომპიუტერული მეცნიერების დეპარტამენტის Delta Electronics-ის პროფესორი და IMES-ის ასოცირებული ფაკულტეტის წევრი] და ტომი იააკოლასთან [ელექტროტექნიკისა და კომპიუტერული მეცნიერების და მონაცემთა, სისტემების და საზოგადოების ინსტიტუტის თომას სიბელის პროფესორი], რათა გამოგვეყენებინა ღრმა სწავლა ახალი ანტიბიოტიკების აღმოსაჩენად. ამ ძალისხმევამ გააერთიანა ჩვენი გამოცდილება ხელოვნურ ინტელექტში, ქსელურ ბიოლოგიასა და სისტემურ მიკრობიოლოგიაში, რამაც გამოიწვია ჰალიცინის აღმოჩენა — ძლიერი ახალი ანტიბიოტიკი, რომელიც ეფექტურია მრავალი ანტიბიოტიკების მიმართ რეზისტენტული ბაქტერიული პათოგენის ფართო სპექტრის წინააღმდეგ. ჩვენი შედეგები 2020 წელს გამოქვეყნდა ჟურნალ Cell-ში და აჩვენა ურთიერთშემავსებელი უნარების გაერთიანების ძალა გლობალური ჯანდაცვის გამოწვევის მოსაგვარებლად. Wyss Institute-ში მჭიდროდ ვთანამშრომლობდი დონალდ ინგბერთან [ჰარვარდის სამედიცინო სკოლის სისხლძარღვთა ბიოლოგიის ჯუდა ფოლკმანის პროფესორი და ბოსტონის ბავშვთა საავადმყოფოს სისხლძარღვთა ბიოლოგიის პროგრამა, და ჰარვარდის ბიოლოგიურად შთაგონებული ინჟინერიის ჰანსიორგ ვისის პროფესორი], მისი "ორგანოები-ჩიპზე" ტექნოლოგიის გამოყენებით AI-ით აღმოჩენილი და AI-ით გენერირებული ანტიბიოტიკების ეფექტურობის შესამოწმებლად. ეს პლატფორმები საშუალებას გვაძლევს შევისწავლოთ, თუ როგორ მოქმედებენ წამლები ადამიანის ქსოვილის მსგავს გარემოში, რითაც ავსებენ ტრადიციულ ცხოველურ ექსპერიმენტებს და გვაძლევენ მათი თერაპიული პოტენციალის უფრო ნიუანსირებულ ხედვას. ჩვენი მრავალი თანამშრომლობის საერთო მახასიათებელია გამოთვლითი პროგნოზების უახლეს ექსპერიმენტულ პლატფორმებთან შერწყმის შესაძლებლობა, რაც აჩქარებს იდეებიდან ვალიდირებულ ახალ თერაპიებამდე გზას. კ. თქვენმა კვლევამ გამოიწვია მრავალი მიღწევა ახალი ანტიბიოტიკების დიზაინში, გენერაციული ხელოვნური ინტელექტისა და ღრმა სწავლის გამოყენებით. შეგიძლიათ ისაუბროთ ზოგიერთ მიღწევაზე, რომლის ნაწილიც იყავით მრავალრეზისტენტული პათოგენების წინააღმდეგ ბრძოლის წამლების შემუშავებაში, და რას ხედავთ ამ სფეროში გარღვევების კუთხით? პ. 2025 წელს ჩვენმა ლაბორატორიამ ჟურნალ Cell-ში გამოაქვეყნა კვლევა, რომელიც აჩვენებს, თუ როგორ შეიძლება გენერაციული AI-ის გამოყენება სრულიად ახალი ანტიბიოტიკების ნულიდან შესაქმნელად. ჩვენ გამოვიყენეთ გენეტიკური ალგორითმები და ვარიაციული ავტოენკოდერები მილიონობით კანდიდატი მოლეკულის გენერირებისთვის, შევისწავლეთ როგორც ფრაგმენტებზე დაფუძნებული დიზაინი, ასევე სრულიად შეუზღუდავი ქიმიური სივრცე. გამოთვლითი ფილტრაციის, რეტროსინთეზური მოდელირებისა და სამედიცინო ქიმიის მიმოხილვის შემდეგ, ჩვენ მოვახდინეთ 24 ნაერთის სინთეზი და გამოვცადეთ ისინი ექსპერიმენტულად. შვიდმა აჩვენა შერჩევითი ანტიბაქტერიული აქტივობა. ერთ-ერთი წამყვანი, NG1, იყო მაღალი ვიწრო სპექტრის, რომელიც აღმოფხვრა მრავალრეზისტენტული Neisseria gonorrhoeae, მათ შორის პირველი რიგის თერაპიის მიმართ რეზისტენტული შტამები, ხოლო არ აზიანებდა კომენსალურ სახეობებს. მეორე, DN1, მიზნად ისახავდა მეთიცილინ-რეზისტენტულ Staphylococcus aureus-ს (MRSA) და გაანადგურა ინფექციები თაგვებში მემბრანის ფართო დარღვევით. ორივე არატოქსიკური იყო და აჩვენა რეზისტენტობის დაბალი მაჩვენებლები. მომავლისთვის, ჩვენ ვიყენებთ ღრმა სწავლას ანტიბიოტიკების შესაქმნელად ისეთი წამლის მსგავსი თვისებებით, რაც მათ კლინიკური განვითარების უფრო ძლიერ კანდიდატებად აქცევს. ხელოვნური ინტელექტის ინტეგრირებით მაღალი გამტარუნარიანობის ბიოლოგიურ ტესტირებასთან, ჩვენი მიზანია დავაჩქაროთ ახალი, უსაფრთხო და ეფექტური ანტიბიოტიკების აღმოჩენა და დიზაინი, რომლებიც მზად იქნება რეალურ სამყაროში გამოსაყენებლად.