La scoperta di nuovi antibiotici attraverso l’intelligenza artificiale
Recentemente, un gruppo di ricercatori del Massachusetts Institute of Technology (MIT) ha compiuto un passo significativo nella lotta contro i batteri resistenti agli antibiotici. Utilizzando l’intelligenza artificiale, hanno scoperto composti in grado di eliminare efficacemente il batterio MRSA (Staphylococcus aureus resistente alla meticillina), responsabile di infezioni mortali, pur mantenendo una bassa tossicità per le cellule umane.
Il potere analitico dell’intelligenza artificiale
Un aspetto innovativo di questo studio è la capacità dei ricercatori di comprendere quali informazioni il modello di deep learning utilizzasse per prevedere la potenza antibiotica dei composti. Questa conoscenza potrebbe aiutare i ricercatori a progettare farmaci ancora più efficaci di quelli identificati dal modello.
James Collins, professore di Ingegneria Medica e Scienza presso l’IMES (Institute for Medical Engineering and Science) e il Dipartimento di Ingegneria Biologica del MIT, afferma che il loro lavoro fornisce un quadro che è efficiente in termini di tempo, risorse e meccanicamente perspicace dal punto di vista della struttura chimica, in modi che non erano disponibili fino ad oggi.
L’uso dell’intelligenza artificiale per affrontare il MRSA
Il MRSA infetta più di 80.000 persone negli Stati Uniti ogni anno, causando spesso infezioni cutanee o polmoniti. I casi gravi possono portare a sepsi, un’infezione del flusso sanguigno potenzialmente fatale.
Negli ultimi anni, Collins e i suoi colleghi hanno iniziato a utilizzare il deep learning per cercare nuovi antibiotici, ottenendo potenziali farmaci contro il batterio Acinetobacter baumannii, spesso presente negli ospedali, e molti altri batteri resistenti ai farmaci.
Decifrare la “scatola nera” dell’intelligenza artificiale
I composti sono stati identificati utilizzando modelli di deep learning in grado di riconoscere strutture chimiche associate all’attività antimicrobica. Questi modelli poi setacciano milioni di altri composti, generando previsioni su quali potrebbero avere un’attività antimicrobica significativa.
Questo tipo di ricerca si è dimostrato fruttuoso, ma una limitazione di questo approccio è che i modelli sono “scatole nere”, il che significa che non è possibile sapere su quali caratteristiche il modello basi le sue previsioni. Se gli scienziati sapessero come i modelli fanno le loro previsioni, potrebbe essere più facile per loro identificare o progettare ulteriori antibiotici.
I ricercatori hanno addestrato un modello di deep learning utilizzando set di dati notevolmente ampliati. Hanno generato questi dati di addestramento testando circa 39.000 composti per l’attività antibiotica contro il MRSA, e poi hanno inserito questi dati, insieme alle informazioni sulle strutture chimiche dei composti, nel modello.
Per capire come il modello facesse le sue previsioni, i ricercatori hanno adattato un algoritmo noto come ricerca ad albero di Monte Carlo, che è stato utilizzato per rendere più spiegabili altri modelli di deep learning, come AlphaGo. Questo algoritmo di ricerca consente al modello di generare non solo una stima dell’attività antimicrobica di ogni molecola, ma anche una previsione su quali sottostrutture della molecola probabilmente ne determinano tale attività.
Il processo di scoperta di farmaci guidato dall’intelligenza artificiale
Per restringere ulteriormente il gruppo di farmaci candidati, i ricercatori hanno addestrato tre ulteriori modelli di deep learning per prevedere se i composti fossero tossici per tre diversi tipi di cellule umane. Combinando queste informazioni con le previsioni di attività antimicrobica, i ricercatori hanno scoperto composti in grado di uccidere i microbi con effetti avversi minimi sul corpo umano.
Utilizzando questa raccolta di modelli, i ricercatori hanno esaminato circa 12 milioni di composti, tutti disponibili commercialmente. Da questa raccolta, i modelli hanno identificato composti di cinque diverse classi, basati su sottostrutture chimiche all’interno delle molecole, che erano previsti essere attivi contro il MRSA.
Risultati promettenti e direzioni future
I ricercatori hanno acquistato circa 280 composti e li hanno testati contro il MRSA coltivato in una piastra di laboratorio, identificando due composti, della stessa classe, che sembravano essere candidati antibiotici molto promettenti. Nei test su due modelli murini, uno di infezione cutanea da MRSA e uno di infezione sistemica da MRSA, ciascuno di questi composti ha ridotto la popolazione di MRSA di un fattore di 10.
Gli esperimenti hanno rivelato che i composti sembrano uccidere i batteri interrompendo la loro capacità di mantenere un gradiente elettrochimico attraverso le loro membrane cellulari. Questo gradiente è necessario per molte funzioni cellulari critiche, incluso il potere di produrre ATP (molecole che le cellule utilizzano per immagazzinare energia). Un candidato antibiotico scoperto nel 2020 dal laboratorio di Collins, l’halicin, sembra funzionare con un meccanismo simile ma è specifico per i batteri Gram-negativi (batteri con pareti cellulari sottili). Il MRSA è un batterio Gram-positivo, con pareti cellulari più spesse.
I ricercatori hanno condiviso i loro risultati con Phare Bio, un’organizzazione no-profit avviata da Collins e altri come parte del progetto Antibiotics-AI. L’organizzazione no-profit ora prevede di effettuare analisi più dettagliate delle proprietà chimiche e dell’uso clinico potenziale di questi composti. Nel frattempo, il laboratorio di Collins sta lavorando alla progettazione di ulteriori candidati farmaci basati sui risultati del nuovo studio, oltre a utilizzare i modelli per cercare composti in grado di uccidere altri tipi di batteri.
Questo studio rappresenta un esempio eccellente di come l’intelligenza artificiale possa essere sfruttata per accelerare la scoperta di nuovi farmaci e affrontare sfide sanitarie globali come la resistenza agli antibiotici. Con l’approccio innovativo adottato dai ricercatori del MIT, si apre una nuova frontiera nella ricerca farmaceutica, con la promessa di salvare innumerevoli vite umane.
