Hvordan vi bruger kunstig intelligens til at opdage nye antibiotika

Før coronaviruspandemien, forenede bio-ingeniør Jim Collins og hans team mulighederne fra kunstig intelligens med syntesebiologi i et forsøg på at bekæmpe en anden truende krise: antibiotikaresistente superbakterier. Collins forklarer hvordan de ændrede deres forsøg til at udvikle en række værktøjer og antivirale stoffer i et forsøg på at bekæmpe COVID-19 og deler deres ambition om at opdage syv nye antibiotikaklasser over de næste syv år. (Denne ambitiøse plan er en del af The Audacious Project, TED's initiativ til at inspirere og finansiere globale forandringer.)

Så hvordan skal vi overkomme
denne nye coronavirus?

Ved at bruge vores bedste redskaber:

vores videnskab og vores teknologi.

I mit laboratorie
anvender vi kunstig intelligens

og syntesebiologi

til at fremskynde kampen
mod denne pandemi.

Vores arbejde var oprindeligt designet

til at håndtere
den stigende antibiotikaresistens.

Vores projekt forsøger at udnytte
mulighederne ved machine learning

for at genopbygge
vores antibiotika arsenal

og undgå en globalt ødelæggende
post-antibiotisk tidsalder.

Vigtigere er det,
at den samme teknologi kan bruges

til at søge efter antivirale forbindelser

der kan hjælpe os med at bekæmpe
den nuværende pandemi.

Machine learning vender op og ned
på den traditionelle lægemiddelforskning

Med denne tilgang -

i stedet for omhyggeligt at teste
tusinder af eksisterende molekyler

en efter en i et laboratorie

for deres effektivitet

- kan vi oplære en computer i at udforske
ukendte områder

af alle potentielle molekyler
der kunne syntetiseres

så i stedet for at lede efter
nålen i høstakken,

kan vi gøre brug af den gigantiske magnet
af computerkraft

til at finde mange nåle
i adskillige høstakke samtidig.

Vi kan allerede nu fremvise nogle resultater.

For nyligt anvendte vi machine learning
til at opdage nye antibiotika

der kan hjælpe os med at bekæmpe
bakterieinfektioner

der kan forekomme som følge
af SARS-CoV-2 infektioner.

For to måneder siden, godkendte
TED's Audacious Project vores finansiering

til at opskalere vores arbejde massivt

med målet om at opdage
syv nye antibiotikaklasser

imod syv af verdens
dødelige bakterielle patogener

over de næste syv år.

Til sammenligning:

antallet af nye antibiotikaklasser

opdaget igennem de sidste tre årtier
er nul.

Mens søgen efter ny antibiotika hører til
vores fremtid på mellemlang sigt,

så udgør den nye coronavirus
en umiddelbar dødelig trussel

og det glæder mig at dele, at vi tror på
at samme teknologi kan anvendes

til at søge efter behandling
til at bekæmpe denne virus.

Så hvordan vil vi gøre det?

Vi opretter et sammensat træningsbibliotek

hvor samarbejdspartnere påfører disse
molekyler på SARS-CoV-2-inficerede celler

for at se hvilke af dem,
der udviser effektiv aktivitet.

Denne data vil blive brugt til
at oplære en machine learning model

der kan anvendes på en in silico
bibliotek med over en milliard molekyler

for at søge efter potentielle
nye antivirale forbindelser.

Vi vil syntetisere og teste
prioriterede forudsigelser

og viderudvikle de mest lovende
kandidater i laboratoriet.

Lyder det for godt til at være sandt?

Det burde det ikke.

The Antibiotics AI Project er grundlagt
på vores proof of concept forskning

der førte til opdagelsen af
et nyt bredspektret antibiotikum

med navnet Halocin.

Halocin indeholder kraftig
antibakteriel aktivitet

mod næsten alle antibiotikaresistente
bakterielle patogener

heriblandt uhelbredelige pan-resistente
infektioner.

Hvad vigtigere er, modsat

nuværende antibiotika

er hyppigheden af bakterier, der udvikler
resistens mod Halocin,

bemærkelsesværdig lav.

Vi testede bakteriernes evne
til at udvikle resistens mod Halocin

såvel som Cipro i laboratoriet.

For Cipro

kunne vi spore resistens
efter bare én dag.

For Halocin

så vi ingen resistens efter en enkelt dag.

Utroligt nok, efter 30 dage

kunne vi stadig ikke spore resistens
mod Halocin.

I dette pilotforsøg testede vi først
omkring 2.500 forbindelser mod E. coli.

Dette træningsforsøg omfattede
kendte antibiotika

såsom Cipro og penicillin,

samt flere lægemidler,
der ikke er antibiotika.

Vi brugte denne data til at oplære
en model

i at forstå molekylære træk
forbundet med antibakteriel aktivitet.

Vi anvendte derefter modellen

i et bibliotek

for genanvendelseslægemidler
bestående af flere tusinder molekyler

til at identificere molekyler,

der forventes
at have antibakterielle egenskaber

men som ikke ligner
eksisterende antibiotika.

Interessant nok, var der blot en enkelt
molekyle der svarede til disse kriterier

og den molekyle var Halocin.

Da Halocin ikke ligner
eksisterende antibiotika,

ville det være umuligt for et menneske,
herunder en antibiotikaekspert,

at identificere Halocin på denne måde.

Forestil dig nu hvad vi kunne gøre
med denne teknologi

mod SARS-CoV-2.

Og det er ikke det hele.

Vi anvender også redskaber som
syntesebiologi

blandet med DNA og andet
cellulært maskineri,

til at tjene menneskelige formål
som at bekæmpe COVID-19,

og som sidebemærkning, arbejder vi
på at udvikle en beskyttelsesmaske

der også kan fungere som
en hurtig diagnostisk test.

Så hvordan fungerer det?

Vi har for nyligt vist,

at du kan udtage det cellulære maskineri
fra en levende celle

og frysetørre det sammen med
RNA-sensorer på papir

for at producere et billigt
diagnostisk redskab for Ebola og Zika.

Sensorerne aktiveres når de rehydreres
af en patientprøve

der kan bestå af blod eller spyt.

Det viser sig, at denne teknologi
ikke begrænser sig til papir

og kan anvendes på andre materialer,
såsom et stykke stof.

For COVID-19 pandemien

designer vi RNA-sensorer
til at opfange virussen

og frysetørre disse sammen med
det nødvendige cellulære maskineri

i stoffet på en ansigtsmaske

hvor det at trække vejret,

sammen med det vanddamp,
der følger med

kan aktivere testen.

Så hvis en patient er inficeret
med SARS-CoV-2,

vil masken producere
et fluorescerende signal

der kan opfanges via en simpel, billig
håndholdt enhed.

På en eller to timer,
vil en patient kunne blive diagnosticeret

sikkert, på afstand og præcist.

Vi bruger også syntesebiologi

til at designe en mulig
vaccine for COVID-19.

Vi genanvender BCG vaccinen

som er blevet brugt mod TB
i næsten et århundrede.

Det er en levende svækket vaccine,

som vi konstruerer til at udtrykke
SARS-CoV-2 antigener,

hvilket vil udløse produktionen
af beskyttende antistoffer

af immunsystemet.

Oveni det er BCG betydelig skalerbar,

og har en sikkerhedsprofil, der er blandt
de bedste af rapporterede vacciner.

Med redskaber som syntesebiologi
og kunstig intelligens

kan vi vinde kampen mod
denne nye coronavirus.

Arbejdet er i de meget tidlige faser,
men løftet er reelt.

Videnskab og teknologi kan give os
en afgørende fordel

i opgøret mellem menneskelig forstand
og superbugs' gener,

en kamp vi kan vinde.

Tak.