Takže, jak hodláme porazit
tento nový koronavirus?
Našimi nejlepšími nástroji:
naší vědou a technologií.
V mojí laboratoři využíváme
nástroje umělé inteligence
a syntetické biologie,
abychom zrychlili boj proti pandemii.
Naše práce byla zpočátku
navržena k tomu,
abychom se vypořádali
s rezistencí na antibiotika.
Náš projekt hledá,
jak využít sílu strojového učení
k doplnění našeho
antibiotického arzenálu
a zabránění postantibiotické éře,
která by způsobila globální devastaci.
Důležité je, že ta samá technologie
může být použita
k nalezení antivirových sloučenin,
které nám mohou pomoct
bojovat se současnou pandemií.
Strojové učení obrátilo tradiční model
zkoumání léčiv vzhůru nohama.
S tímto přístupem,
místo pečlivého testování
účinnosti tisíců existujících molekul
jednu po druhé v laboratoři,
můžeme trénovat počítač,
aby prozkoumal exponenciálně větší prostor
všech možných molekul,
které mohou být syntetizovány,
a tím pádem,
místo hledání jehly v kupce sena,
můžeme využít gigantický
magnet výpočetní síly,
aby našel mnoho jehel
v mnoha kupkách sena zároveň.
Již máme nějaké počáteční úspěchy.
Nedávno jsme použili strojové učení
k objevení nových antibiotik,
které nám pomohou
přemoci bakteriální infekce,
jež se mohou vyskytnout
společně s infekcí SARS-CoV-2.
Před dvěma měsíci TED Audacious Project
schválil naše financování,
aby podstatně rozšířil naši činnost
s cílem objevit sedm
nových tříd antibiotik
proti sedmi nejsmrtelnějším
bakteriálním patogenům světa
během následujících sedmi let.
Jen připomínám,
že v posledních třech dekádách
nebyla objevena ani jedna
nová třída antibiotik.
Zatímco pátrání po nových antibiotikách
proběhne ve střednědobém horizontu,
nový koronavirus představuje
současnou smrtelnou hrozbu
a s radostí vám sděluji, že věříme,
že můžeme použít tu samou technologii
ke hledání terapie pro boj s tímto virem.
Takže, jak to hodláme udělat?
Vytváříme knihovnu tréninkových sloučenin
a se spolupracovníky vkládáme tyto
molekuly do buněk infikovaných SARS-CoV-2,
abychom viděli,
která z nich vykazuje účinnou aktivitu.
Tato data budou použita
k trénování modelu strojového učení,
který bude nasazen na více než
miliardu molekul z počítačové knihovny,
aby našel potenciální
nové antivirové sloučeniny.
Budeme syntetizovat a testovat
nejlepší predikce
a nejnadějnější kandidáty
posuneme do klinických testů.
Že to zní až moc dobře?
Nemělo by.
„Antibiotics AI Project“ je založen
na našem ověřovacím výzkumu,
který vedl k objevu nového
širokospektrálního antibiotika
zvaného halicin.
Halicin vykazuje
silnou antibakteriální aktivitu
proti skoro všem rezistentním
bakteriálním patogenům
včetně nevyléčitelných
panrezistentních infekcí.
Na rozdíl od současných antibiotik
je důležité,
že četnost, s jakou si bakterie
vybuduje rezistenci na halicin,
je pozoruhodně nízká.
V laboratoři jsme testovali
schopnost bakterie vybudovat si
rezistenci na halicin a na lék „Cipro“.
V případě léku „Cipro“
jsme již po jednom dni
pozorovali rezistenci.
V případě halicinu jsme po jednom dni
nepozorovali žádnou rezistenci.
Překvapivé je, že ani po 30 dnech
jsme nepozorovali žádnou
rezistenci na halicin.
V pilotním projektu jsme nejprve testovali
zhruba 2 500 sloučenin proti E. coli.
Tento tréninkový set
zahrnoval známá antibiotika
jako „Cipro“ a penicilin,
stejně jako mnoho léků,
které nejsou antibiotiky.
Tato data jsme použili k trénování modelu,
aby se naučil vlastnosti molekul
spojované s antibakteriální aktivitou.
Poté jsme model aplikovali
na knihovnu znovupoužitelných léčiv
obsahující několik tisíc molekul
a zadali jsme modelu,
aby identifikoval molekuly,
u kterých jsou predikovány
antibakteriální vlastnosti,
ale nevypadají
jako existující antibiotika.
Je zajímavé, že pouze jedna molekula
v knihovně odpovídala těmto kritériím
a touto molekulou se ukázal být halicin.
Vzhledem k tomu, že halicin nevypadá
jako jakékoliv existující antibiotikum,
bylo by pro člověka nemožné,
dokonce i pro experta na antibiotika,
aby tímto způsobem halicin identifikoval.
A teď si představte,
co bychom s touto technologií
mohli dělat proti SARS-CoV-2.
A toto není vše.
Také využíváme nástroje
syntetické biologie
a experimentujeme s DNA
a dalšími buněčnými aparáty,
aby sloužily potřebám lidí,
jako je boj proti COVID-19,
a je důležité zmínit,
že pracujeme na vývoji ochranné masky,
která také dokáže sloužit
jako rychlý diagnostický test.
Takže, jak to funguje?
Nedávno jsme ukázali,
že můžete vzít buněčný aparát z živé buňky
a lyofilizovat ho společně
s RNA senzorem na papír,
abyste vytvořili levnou
diagnostiku Eboly a Ziky.
Senzory se aktivují rehydratací
ze vzorku nemocného člověka,
který může obsahovat
například krev nebo sliny.
Ukazuje se, že tato technologie
není omezena pouze na papír
a může být aplikována
na další materiály, včetně tkanin.
Pro pandemii COVID-19
navrhujeme RNA senzory k detekci viru
a lyofilizujeme je i s potřebnými
buněčnými aparáty
do látky roušky.
Stačí pouhé dýchání
a vodní kapénky, které ho doprovázejí,
aby se test aktivoval.
Tím pádem, pokud je
pacient infikován SARS-CoV-2,
začne maska produkovat
fluorescenční signál,
který může být detekován jednoduchým,
laciným kapesním zařízením.
Během hodiny nebo dvou
tak může být pacient bezpečně,
na dálku a přesně diagnostikován.
Syntetickou biologii také využíváme
k návrhu vakcíny pro COVID-19.
Znovupoužíváme BCG vakcínu,
která se téměř jedno století
používala proti tuberkulóze.
Je to živá, oslabená vakcína
a my ji připravujeme
pro expresi antigenů SARS-CoV-2,
které by měly spouštět produkci
ochranných protilátek
v imunitním systému.
Důležité je, že BCG je
masivně škálovatelná
a má bezpečnostní profil, který patří
mezi nejlepší ze všech hlášených vakcín.
S nástroji syntetické biologie
a umělé inteligence
můžeme tento souboj
s novým koronavirem vyhrát.
Tato práce je ve velmi raném stadiu,
ale příslib je reálný.
Věda a technologie nám
mohou dát důležitou výhodu
v souboji lidského důvtipu
s geny rezistentních bakterií,
v souboji, který můžeme vyhrát.
Děkuji vám.