In che modo utilizziamo l'IA per scoprire nuovi antibiotici

Prima della pandemia da coronavirus, il bioingegnere Jim Collins e la sua squadra hanno unito le capacità dell'Intelligenza artificiale e della biologia sintetica nello sforzo di combattere una crisi imminente di diverso tipo: quella dei super microbi resistenti agli antibiotici. Collins ci spiega come hanno reindirizzato i loro sforzi per iniziare a sviluppare una serie di strumenti e molecole antivirali utili nella lotta conto il COVID-19, e ci illustra il suo obiettivo: scoprire sette nuove classi di antibiotici nell'arco dei prossimi sette anni. (Questo ambizioso progetto fa parte di The Audacious Project, l'iniziativa di TED per ispirare e finanziare il cambiamento globale.)

Come faremo a battere
questo nuovo coronavirus?

Usando i nostri strumenti migliori:

la scienza e la tecnologia.

Nel mio laboratorio,
stiamo usando l'intelligenza artificiale

e la biologia sintetica

per accelerare la lotta
contro questa pandemia.

Inizialmente, il nostro lavoro fu ideato

per affrontare la crisi
della resistenza agli antibiotici.

Il nostro progetto cerca di sfruttare
le capacità dell'apprendimento automatico

per ricostituire l'arsenale di antibiotici

ed evitare un'era post antibiotici
devastante a livello globale.

Ancora più importante,

la stessa tecnologia può essere usata
per cercare molecole antivirali

che possano esserci utili
nel combattere l'attuale pandemia.

L'apprendimento automatico
sta trasformando

in modo radicale
la tradizionale ricerca farmacologica.

Con questo approccio,

invece di testare faticosamente
le migliaia di molecole esistenti

una alla volta in laboratorio,
per la loro efficacia,

possiamo addestrare un computer

a esaminare lo spazio
esponenzialmente più ampio

sostanzialmente di tutte
le possibili molecole sintetizzabili,

e così, invece di cercare
un ago in un pagliaio,

possiamo usare il magnete gigante
fornito dalla capacità computazionale

per cercare molti aghi
in molti pagliai simultaneamente.

Abbiamo già avuto i primi successi.

Di recente abbiamo usato l'apprendimento
automatico per scoprire nuovi antibiotici

utili nella lotta
contro le infezioni batteriche

che possono verificarsi
insieme alle infezioni da SARS-CoV-2.

Due mesi fa, The Audacious Project di TED
ha approvato i finanziamenti

per aumentare enormemente il nostro lavoro

con l'obiettivo di scoprire
sette nuove classi di antibiotici

contro sette dei peggiori
batteri patogeni al mondo

nei prossimi sette anni.

Per dare il quadro:

il numero di nuove classi di antibiotici
scoperte negli ultimi trent'anni è zero.

La ricerca di nuovi antibiotici
è per il nostro prossimo futuro,

ma il nuovo coronavirus rappresenta
una minaccia mortale immediata,

e sono entusiasta di dire che crediamo
di poter usare la stessa tecnologia

per cercare medicinali
per combattere questo virus.

Allora, come faremo?

Stiamo creando una libreria
di molecole per l'apprendimento

e con l'aiuto di collaboratori,

stiamo applicando queste molecole
a cellule infettate con SARS-CoV-2

per vedere quali di queste
mostrano un'attività efficace.

Questi dati saranno usati per addestrare
un modello di apprendimento automatico

che verrà applicato a una libreria
in silico di oltre un miliardo di molecole

per cercare potenziali
nuovi composti antivirali.

Sintetizzeremo e testeremo
le previsioni migliori

e faremo avanzare nella fase clinica
i candidati più promettenti.

Sembra troppo bello per essere vero?

Be', non dovrebbe.

L'Antibiotics-AI Project si fonda
sulla nostra prova di ricerca concettuale

che ha portato alla scoperta
di un nuovo antibiotico ad ampio spettro

che si chiama halicina.

L'halicina ha una potente
attività antibatterica

contro quasi tutti i batteri patogeni
resistenti agli antibiotici,

comprese le infezioni
non trattabili panresistenti.

E più importante,
diversamente dagli attuali antibiotici,

la frequenza con cui i batteri
sviluppano la resistenza contro l'halicina

è notevolmente bassa.

Abbiamo testato la capacità dei batteri

di sviluppare una resistenza
contro l'halicina

come contro il Ciproxin, in laboratorio.

Nel caso del Ciproxin,

dopo solo un giorno,
abbiamo visto la resistenza.

Nel caso dell'halicina,

dopo un giorno, non abbiamo visto
alcuna resistenza.

Sorprendentemente, dopo 30 giorni,

non abbiamo visto
alcuna resistenza contro l'halicina.

In questo progetto pilota,

abbiamo prima testato
circa 2.500 molecole contro l'E. coli.

Questo insieme volto all'apprendimento
comprendeva antibiotici noti,

come il Ciproxin e la penicillina,

così come molti farmaci
che non sono antibiotici.

Abbiamo usato questi dati
per addestrare un modello

a imparare le caratteristiche molecolari
associate all'attività antibatterica.

Poi abbiamo applicato questo modello

a una libreria di farmaci da riposizionare
di diverse migliaia di molecole

e abbiamo chiesto al modello
di identificare quelle molecole

che si prevede abbiano
proprietà antibatteriche

ma che non hanno l'aspetto
degli antibiotici esistenti.

Cosa interessante, solo una molecola
nella libreria ha soddisfatto quei criteri

e si è rivelata essere l'halicina.

Poiché l'halicina ha un aspetto diverso
da qualsiasi antibiotico esistente,

sarebbe stato impossibile per un uomo,
persino per un esperto di antibiotici,

identificare l'halicina in questo modo.

Immaginate ora cosa potremmo fare
con questa tecnologia

contro il SARS-CoV-2.

E non è tutto.

Stiamo usando questi strumenti
della biologia sintetica,

sperimentando con il DNA
e altri apparati cellulari,

per servire gli interessi dell'uomo
nel combattere il COVID-19,

tra l'altro, stiamo lavorando
per sviluppare una mascherina protettiva

che possa anche servire
da test diagnostico rapido.

In che modo?

Di recente abbiamo mostrato

che si può estrarre l'apparato cellulare
da una cellula vivente

e liofilizzarlo, sulla carta,
insieme a dei sensori di RNA

per creare test diagnostici economici
per Ebola e Zika.

I sensori si attivano quando vengono
reidratati con un campione del paziente,

come un campione di sangue,
o di saliva, per esempio.

Si è scoperto che questa tecnologia
non si limita alla carta

e può essere applicata
su altri materiali, inclusa la stoffa.

Per la pandemia da COVID-19,

stiamo progettando dei sensori di RNA
per identificare il virus

da liofilizzare insieme
all'apparato cellulare necessario

nel tessuto di una mascherina

in cui il semplice atto di respirare,

insieme con il vapore acqueo
che ne deriva,

può attivare il test.

Così, se un paziente avesse
un'infezione da SARS-CoV-2,

la mascherina emetterebbe
un segnale fluorescente

che potrebbe essere rilevato

con un dispositivo portatile
semplice ed economico.

Nell'arco di una o due ore,
si potrebbe ottenere una diagnosi

in modo sicuro, accurato e a distanza.

Stiamo anche usando la biologia sintetica

per progettare un candidato
vaccino per il COVID-19.

Stiamo riconvertendo il vaccino BCG,

che viene utilizzato contro la TBC
da quasi un secolo.

È un vaccino vivo attenuato,

e lo stiamo ingegnerizzando
per esprimere gli antigeni del SARS-CoV-2,

che dovrebbero indurre
la produzione di anticorpi protettivi

da parte del sistema immunitario.

E cosa importante,
il BCG è altamente scalabile

e ha un profilo di sicurezza che è
tra i migliori di qualsiasi vaccino noto.

Con gli strumenti della biologia sintetica
e dell'intelligenza artificiale,

possiamo vincere la lotta
contro questo nuovo coronavirus.

Questo lavoro è nelle sue fasi iniziali,
ma la promessa è reale.

La scienza e la tecnologia
possono fornirci un vantaggio importante

nella battaglia dell'ingegno umano
contro i geni dei super microbi.

Una battaglia che possiamo vincere.

Grazie.