Dakle, kako ćemo pobijediti ovaj novi koronavirus? Korištenjem naših najboljih alata: znanosti i tehnologije. U mom laboratoriju koristimo alate umjetne inteligencije i sintetičke biologije kako bismo ubrzali borbu protiv ove pandemije. Naš rad je prvotno bio namijenjen rješavanju krize uslijed otpornosti na antibiotike. Cilj našeg projekta je iskoristiti moć strojnog učenja da se dopuni arsenal antibiotika i izbjegne globalno pogubno postantibiotsko doba. A što je važno, ta ista tehnologija se može koristiti za traženje antivirusnih spojeva koji bi nam mogli pomoći u borbi protiv aktualne pandemije. Strojno učenje izvrće dosadašnji model otkrivanja lijekova naglavačke. Ovakvim pristupom, umjesto mukotrpnog laboratorijskog testiranja tisuća postojećih molekula, jedne po jedne na njihovu učinkovitost, možemo obučiti računalo da istraži eksponencijalno veći prostor praktično svih mogućih molekula koje bi se mogle sintetizirati, i tako, umjesto da tražimo iglu u stogu sijena, možemo iskoristiti moć računala da kao ogroman magnet privuče mnogo igala iz više stogova odjednom. Već smo ostvarili neki početni uspjeh. Nedavno smo koristili strojno učenje da bismo otkrili nove antibiotike koji nam mogu pomoći u borbi protiv bakterijskih infekcija koje se mogu pojaviti uz SARS-CoV-2 infekcije. Prije dva mjeseca, TED-ov Audacious Project nam je odobrio sredstva kako bismo znatno povećali svoj rad s ciljem pronalaska sedam novih klasa antibiotika protiv sedam najsmrtonosnijih bakterijskih patogena na svijetu u idućih sedam godina. Radi pojašnjenja: broj novih klasa antibiotika otkrivenih u posljednja tri desetljeća je nula. Dok je potraga za novim antibioticima srednjoročni zadatak za našu budućnost, novi koronavirus predstavlja neposrednu smrtnu prijetnju, i drago mi je reći da mislimo da možemo koristiti istu tehnologiju u potrazi za terapijama za obranu od ovog virusa. Pa, kako ćemo to učiniti? Dakle, mi pravimo jednu objedinjenu knjižnicu uzoraka i sa suradnicima primjenjujemo ove molekule na stanice inficirane SARS-CoV-2 da vidimo koje su od njih učinkovite. Ovi podaci će se koristiti za osposobljavanje modela strojnog učenja koji će se unijeti u 'in silico' knjižnicu od preko milijardu molekula, u potrazi za potencijalnim novim antivirusnim spojevima. Sintetizirat ćemo i testirati najbolja predviđanja i na najperspektivnijim kandidatima sprovesti klinička testiranja. Zvuči isuviše dobro da bi bilo istinito? Pa, ne bi trebalo. Projekt Antibiotici pomoću UI zasniva se na dokazu koncepta istraživanja koji je doveo do otkrića novog antibiotika širokog spektra po imenu Halocin. Halocin ima vrlo jako antibakterijsko djelovanje na skoro sve bakterijske patogene otporne na antibiotike, uključujući neizlječive panrezistentne infekcije. Što je bitno, za razliku od sadašnjih antibiotika, učestalost kojom bakterije razvijaju otpornost na Halocin je iznimno niska. Testirali smo sposobnost bakterija da razviju otpornost na Halocin, kao i na Cipro, u laboratoriju. Kad je u pitanju Cipro, uočili smo otpornost poslije samo jednog dana. U slučaju Halocina, nakon jednog dana nismo vidjeli nikakvu rezistentnost. Začudo, nakon čak 30 dana, i dalje nismo uočili nikakvu otpornost na Halocin. U ovom pilot projektu smo najprije okvirno testirali 2 500 spojeva na Е. coli. U probni postupak su bili uključeni poznati antibiotici, kao što su Cipro i penicilin, kao i mnogi drugi lijekovi koji nisu antibiotici. Ove podatke smo koristili da bismo osposobili model da nauči molekularne osobine vezane za antibakterijsku aktivnost. Onda smo taj model unijeli u knjižnicu lijekova za prenamjenu koja se sastoji od nekoliko tisuća molekula i zadali modelu da identificira molekule za koje se predviđa da imaju antibakterijska svojstva, ali ne liče na postojeće antibiotike. Interesantno, samo jedna molekula u toj knjižnici odgovara ovim kriterijima i ispostavilo se da je ta molekula Halocin. Obzirom da Halocin ne liči ni na jedan drugi postojeći antibiotik, bilo bi nemoguće da čovjek, pri tome misleći i na stručnjaka za antibiotike, identificira Halocin na ovaj način. Sada zamislite što bismo mogli činiti ovom tehnologijom u borbi protiv SARS-CoV-2. I to nije sve. Također koristimo alate za sintetičku biologiju, eksperimentirajući s DNK i drugom staničnom mašinerijom, sve s ciljem pomoći ljudima kao što je borba protiv COVID-19 i, kao napomena, radimo na razvoju zaštitne maske koja također može služiti kao brzo dijagnostičko sredstvo. А kako ona funkcionira? Pa, nedavno smo pokazali da se stanična mašinerija može izvući iz žive stanice i izvršiti liofilizacija zajedno s RNK senzorima na papir da bi se dobila jeftina dijagnostika za ebolu i zika virus. Senzori se aktiviraju kada ih rehidrira uzorak pacijenta koji se može sastojati, na primjer, od krvi ili pljuvačke. Ispostavilo se da ova tehnologija nije ograničena samo na papir, nego se može primijeniti i na druge materijale, uključujući platno. Za pandemiju COVID-19 dizajniramo RNK senzore da otkriju virus i liofiliziramo ih zajedno s potrebnom staničnom mašinerijom u platno maske za lice, gdje jednostavni čin disanja, uz vodenu paru koja se pri njemu podrazumijeva, može aktivirati test. Tako, ako je pacijent inficiran SARS-CoV-2, maska će proizvesti fluorescentni signal koji se može detektirati običnim jeftinim ručnim uređajem. Za dva ili tri sata pacijentu bi se tako mogla postaviti dijagnoza na siguran i točan način, bez kontakta. Тakođer koristimo sintetičku biologiju da osmislimo cjepivo protiv COVID-19. Vršimo prenamjenu BCG cjepiva koje se koristi protiv TBC skoro čitavo stoljeće. То је živo oslabljeno cjepivo i dizajniramo ga tako da sadrži SARS-CoV-2 antigene, koji bi trebali potaknuti imunosni sustav da proizvodi zaštitna antitijela. A što je važno, BCG je izrazito skalabilan i ima sigurnosni profil koji je među najboljim od svih registriranih cjepiva. Pomoću alata sintetičke biologije i umjetne inteligencije, možemo pobijediti u borbi protiv ovog novog koronavirusa. Ovaj rad je u svojoj veoma ranoj fazi, ali očekivanje je realno. Znanost i tehnologija nam mogu dati jednu važnu prednost u borbi između ljudske pameti i gena rezistentnih bakterija, borbi u kojoj možemo pobijediti. Hvala.