Kako koristimo UI u otkrivanju novih antibiotika

Prije pandemije koronavirusa, bioinženjer Jim Collins i njegov tim su spojili moć UI sa sintetičkom biologijom u suzbijanju jedne druge nastupajuće krize: antimikrobne rezistencije. Collins objašnjava kako su preusmjerili svoje napore u razvoj serije alata i antivirusnih spojeva da bi pomogli u borbi protiv COVID-19 - i govori o njihovom planu da otkriju sedam novih klasa antibiotika u idućih sedam godina. (Ovaj ambiciozni plan je dio Audacious Projecta, TED-ove inicijative da se potaknu i financiraju promjene na globalnom nivou.)

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.