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.