Како користимо ВИ у откривању нових антибиотика

Пре пандемије коронавируса, биоинжењер Џим Колинс и његов тим су спојили моћ ВИ са синтетичком биологијом у напорима да се сузбије једна друга наступајућа криза: отпорност микроба на антибиотике. Колинс објашњава како су преусмерили своје напоре у развој серије алата и антивирусних једињења да би помогли у борби против COVID-19 - и говори о њиховом плану да открију седам нових класа антибиотика у наредних седам година. (Овај амбициозни план је део Одважног пројекта, TED-ове иницијативе да подстакне и финансира промене на глобалном нивоу.)

Дакле, како ћемо победити
овај нови коронавирус?

Коришћењем наших најбољих алата:

науке и технологије.

У мојој лабораторији користимо
алате вештачке интелигенције

и синтетичке биологије

како бисмо убрзали борбу
против ове пандемије.

Наш рад је првобитно био намењен

решавању кризе отпорности на антибиотике.

Наш пројекат има за циљ
да се искористи моћ машинског учења

како би се обновио арсенал антибиотика

и избегла глобално погубна
постантибиотска ера.

А што је важно, та иста
технологија се може користити

у потрази за антивирусним једињењима

који би нам могли помоћи у борби
против актуелне пандемије.

Машинско учење изврће
досадашњи модел откривања лекова

наглавачке.

Са оваквим приступом,

уместо мукотрпног лабораторијског
тестирања хиљада постојећих молекула,

једног по једног,

на њихову ефикасност,

можемо научити рачунар да истражи
експоненцијално већи простор

суштински свих могућих молекула
који би се могли синтетизовати,

и тако, уместо да се
тражи игла у пласту сена,

може се искористити моћ рачунара
да као огроман магнет

привуче много игала
из више пластова одједном.

Већ смо остварили неки почетни успех.

Недавно смо користили машинско учење
да бисмо открили нове антибиотике

који нам могу помоћи у борби
против бактеријских инфекција

које се могу појавити
уз SARS-Cov-2 инфекције.

Пре два месеца TED-ов Одважни пројекат
нам је одобрио средства

како бисмо знатно повећали свој рад

с циљем проналаска седам
нових класа антибиотика

против седам најсмртoноснијих
бактеријских патогена на свету

у следећих седам година.

Да појасним:

број нових класа антибиотика

откривених у последњих
тридесет година је нула.

Док је потрага за новим антибиотицима
средњорочни задатак за нашу будућност,

нови коронавирус представља
непосредну смртоносну претњу

и радујем се да кажем да мислимо
да можемо користити исту технологију

у потрази за терапијама
за одбрану од овог вируса.

Како намеравамо то да урадимо?

Дакле, ми правимо једну
обједињену библиотеку узорака

и са сарадницима примењујемо ове молекуле
на ћелије инфициране SARS-Cov-2

да бисмо видели које су од њих делотворне.

Ови подаци ће се користити за
оспособљавање модела машинског учења

који ће се примењивати на 'in silico'
библиотеку од преко милијарду молекула

у потрази за потенцијалним
новим антивирусним једињењима.

Спојићемо и тестирати најбоља предвиђања

и на најперспективнијим кандидатима
спровести клиничка тестирања.

Звучи сувише добро да би било истинито?

Па, не би требало.

Пројекат Aнтибиотици помоћу ВИ заснива се
на доказу концепта истраживања

који је довео до открића новог
антибиотика широког спектра

по имену Халоцин.

Халоцин има снажно антибактеријско дејство

на скоро све бактеријске патогене
резистентне на антибиотике,

укључујући неизлечиве
панрезистентне инфекције.

Што је битно, за разлику
од садашњих антибиотика,

учесталост којом бактерије развијају
отпорност на Халоцин

је изузетно ниска.

Тестирали смо способност бактерија
да развију отпорност на Халоцин,

као и на Ципро, у лабораторији.

Када је у питању Ципро,

видели смо отпорност
након само једног дана.

У случају Халоцина,

након једног дана нисмо видели
никакву резистентност.

Зачуђујуће је да ни након чак 30 дана

и даље нисмо видели никакву
резистентност на халоцин.

У овом пилот пројекту смо прво оквирно
тестирали 2.500 једињења на Е. coli.

У пробни поступак су били
укључени познати антибиотици,

као што су Ципро и пеницилин,

као и многи други лекови
који нису антибиотици.

Ове смо податке користили
да бисмо оспособили модел

да научи молекуларне особине повезане
са антибактеријском активношћу.

Онда смо применили овај модел
на библиотеку лекова за пренамену

која се састоји од неколико
хиљада молекула

и задали моделу да идентификује молекуле

за које се предвиђа да имају
антибактеријска својства,

али не личе на постојеће антибиотике.

Што је занимљиво,

само један молекул у тој библиотеци
одговара овим критеријумима

и испоставило се да је
тај молекул Халоцин.

Ако знамо да Халоцин не личи ни на један
други постојећи антибиотик,

било би немогуће да човек, при томе
мислећи и на експерта за антибиотике,

идентификује Халоцин на овај начин.

Сада замислите шта бисмо могли
урадити са овом технологијом

у борби против SARS-CoV-2.

И то није све.

Такође користимо алате
за синтетичку биологију,

експериментишући са ДНК
и другом ћелијском машинеријом,

све с циљем помоћи људима
као што је борба против COVID-19,

и као напомена, радимо
на развоју заштитне маске

која такође може служити
као брзо дијагностичко средство.

А како она функционише?

Па, недавно смо показали

да се ћелијска машинерија
може извући из живе ћелије

и извршити лиофилизација заједно
са РНК сензорима на папир

да би се добила јефтина дијагностика
за еболу и зика вирус.

Сензори се активирају када
их рехидрира узорак пацијента

који се може састојати, на пример,
од крви или пљувачке.

Испоставило се да ова технологија
није ограничена само на папир

него да се може применити и на
друге материјале, укључујући платно.

За пандемију COVID-19

дизајнирамо РНК сензоре да открију вирус

и лиофилизујемо их заједно
са потребном ћелијском машинеријом

у платно маске за лице,

где обична радња дисања

уз водену пару која се уз њу подразумева,

може активирати тест.

Тако, ако је пацијент
инфициран вирусом SARS-CoV-2,

маска ће произвести флуоресцентни сигнал

који се може детектовати једноставним
јефтиним ручним уређајем.

За два или три сата пацијенту
би се тако могла поставити дијагноза

на безбедан и тачан начин, без контакта.

Такође користимо синтетичку биологију

да осмислимо вакцину
кандидата против COVID-19.

Вршимо пренамену БЦГ вакцине

која се користи против ТБ скоро читав век.

То је жива ослабљена вакцина

и дизајнирамо је тако
да садржи SARS-CoV-2 антигене,

који би требало да подстакну имуни систем

да производи заштитна антитела.

А што је важно, БЦГ је изразито скалабилан

и има сигурносни профил који је међу
најбољим од свих регистрованих вакцина.

Са алатима синтетичке биологије
и вештачке интелигенције,

можемо да победимо у борби
против овог новог коронавируса.

Овај рад је у својој врло раној фази,
али очекивање је реално.

Наука и технологија нам могу дати
једну битну предност

у борби између људске памети
и гена резистентних бакетрија,

борби у којој можемо победити.

Хвала.