Una nuova classe di antibiotici per i batteri Staphylococcus aureus (MRSA) resistenti ai farmaci che è stata scoperta utilizzando modelli di deep learning più trasparenti.
L’uso dell’intelligenza artificiale (AI) si sta rivelando un punto di svolta quando si tratta di medicina con la tecnologia che ora aiuta gli scienziati a sbloccare i primi nuovi antibiotici in 60 anni.
La scoperta di un nuovo composto in grado di uccidere un batterio resistente ai farmaci che uccide migliaia di persone ogni anno in tutto il mondo potrebbe rivelarsi un punto di svolta nella lotta contro la resistenza agli antibiotici.
“L’intuizione qui è stata che potevamo vedere cosa veniva appreso dai modelli per fare le loro previsioni sul fatto che alcune molecole sarebbero diventate buoni antibiotici”, James Collins, professore di ingegneria e scienza medica presso il Massachusetts Institute of Technology (MIT) e uno dei ricercatori degli autori dello studio, detto in un comunicato.
“Il nostro lavoro fornisce una struttura efficiente in termini di tempo, risorse e meccanicamente approfondita, dal punto di vista della struttura chimica, in modi che non abbiamo avuto finora”.
I risultati sono stati pubblicati in Natura e coautore da un team di 21 ricercatori.
Studio mirato ad “aprire la scatola nera”
Il team dietro il progetto ha utilizzato un modello di deep learning 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 funzionalità dai dati senza programmazione esplicita.
Viene sempre più applicato nella scoperta di farmaci per accelerare l’identificazione di potenziali farmaci candidati, prevederne le proprietà e ottimizzare il processo di sviluppo del farmaco.
In questo caso, i ricercatori 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 pericolose per la vita come polmonite e infezioni del flusso sanguigno.
Ogni anno nell’Unione Europea si verificano quasi 150.000 infezioni da MRSA mentre, secondo il Centro europeo per la prevenzione e il controllo delle malattie (ECDC), quasi 35.000 persone muoiono ogni anno nel blocco a causa di infezioni resistenti agli antimicrobici.
Il team di ricercatori del MIT ha addestrato un modello di deep learning ampiamente ampliato utilizzando set di dati estesi.
Per creare i dati di addestramento, è stata valutata l’attività antibiotica contro l’MRSA di circa 39.000 composti. Successivamente, sia i dati risultanti che i dettagli riguardanti le strutture chimiche dei composti sono stati inseriti nel modello.
“Ciò che abbiamo deciso di fare in questo studio era aprire la scatola nera. Questi modelli consistono in un gran numero di calcoli che imitano le connessioni neurali e nessuno sa veramente cosa sta succedendo sotto il cofano”, ha detto Felix Wong, un postdoc. al MIT e ad Harvard e uno degli autori principali dello studio.
Alla scoperta di un nuovo composto
Per perfezionare la selezione di potenziali farmaci, i ricercatori hanno utilizzato tre ulteriori modelli di deep learning. Questi modelli sono stati addestrati per valutare la tossicità dei composti su tre distinti tipi di cellule umane.
Integrando queste previsioni sulla tossicità con l’attività antimicrobica precedentemente determinata, i ricercatori hanno individuato composti in grado di combattere efficacemente i microbi con un danno minimo al corpo umano.
Utilizzando questa serie di modelli, sono stati analizzati circa 12 milioni di composti disponibili in commercio.
I modelli hanno identificato composti di cinque classi diverse, classificati in base a specifiche sottostrutture chimiche all’interno delle molecole, che mostravano l’attività prevista contro l’MRSA.
Successivamente, i ricercatori hanno acquisito circa 280 di questi composti e hanno condotto test contro l’MRSA in un ambiente di laboratorio. Questo approccio li ha portati a identificare due promettenti candidati antibiotici della stessa classe.
Negli esperimenti che hanno coinvolto due modelli murini – uno per l’infezione cutanea da MRSA e un altro per l’infezione sistemica da MRSA – ciascuno di questi composti ha ridotto la popolazione di MRSA di un fattore 10.
Image:Getty Images
