Deutsch
English
Español
Français
Italiano
Nederlands
Português
Русский
Türkçe
Svenska
Chinese
MagyarIntegrated Biosciences odkrywa nowe antybiotyki skuteczne w zabijaniu MRSA i innych zarazków przy użyciu oprogramowania do odkrywania leków AI
Firma Integrated Biosciences odkryła nową klasę antybiotyków, które skutecznie zabijają oporne na antybiotyki MRSA i inne zarazki. Aby to osiągnąć, firma wykorzystała głębokie uczenie AI przeszkolone w zakresie kluczowych części obecnych antybiotyków, które zabijają. Odkrycie to pomaga przeciwdziałać rosnącemu problemowi lekoopornych bakterii.
Oporny na metycylinę gronkowiec złocisty jest jednym z przykładów bakterii, które stają się coraz bardziej odporne na leki. Obecne antybiotyki tracą swoją skuteczność, a liczba zgonów rośnie z roku na rok. Tysiące osób umiera z powodu zakażeń MRSA, a wskaźnik zgonów po zakażeniu, nawet wśród bezobjawowych nosicieli, jest znacznie wyższy niż zwykle.
Tradycyjne metody odkrywania antybiotyków mogą z łatwością przekroczyć 1 miliard dolarów i zająć dziesięciolecia. Firma Integrated Biosciences zleciła swojej sztucznej inteligencji wyszukiwanie skutecznych antybiotyków za pomocą zestawu 12 milionów kandydatów przy użyciu samego oprogramowania, a nie pracy laboratoryjnej. Sztuczna inteligencja została przeszkolona, aby wiedzieć, jakie aspekty cząsteczki prowadzą do wysokiej aktywności antybiotykowej i, co ważne, toksyczności. Pozwoliło to ominąć żmudną pracę potrzebną do wyizolowania, a następnie przetestowania kandydatów jeden po drugim w laboratorium.
Chociaż szybkie odkrycie nowej klasy antybiotyków jest zdumiewające, biorąc pod uwagę niedawny niedobór w tej dziedzinie, nowe leki muszą być nadal dokładnie testowane w badaniach na zwierzętach i ludziach, więc od ich wprowadzenia na rynek dzielą nas lata. Sportowcy i dzieci są podatni na infekcje ze względu na charakter ich gry, ale nawet dzielenie się zanieczyszczonymi maszynkami do golenia może rozprzestrzeniać MRSA. W międzyczasie mogą Państwo zabić odporne na antybiotyki MRSA i inne zarazki na powierzchniach i zabawkach w domu za pomocą zarejestrowanego przez EPA środka dezynfekującego https://www.epa.gov/pesticide-registration/list-h-epas-registered-products-effective-against-methicillin-resistant(takich jak ten na Amazon).
Integrated Biosciences ogłasza publikację Nature identyfikującą nową klasę antybiotyków odkrytych za pomocą platformy firmy opartej na sztucznej inteligencji
Publikacja potwierdza zastosowanie wyjaśnialnego głębokiego uczenia się w odkrywaniu leków i identyfikuje nową klasę antybiotyków, jedną z niewielu od 60 lat
Oporność na środki przeciwdrobnoustrojowe jest kryzysem zdrowia publicznego, który według prognoz do 2050 r. zabije 10 milionów ludzi na całym świecie rocznie, a sam MRSA zabija ponad 10 000 osób rocznie w USA. Naukowcy z Integrated Biosciences odkryli pierwszą w historii klasę antybiotyków zidentyfikowanych przy użyciu nowej i wyjaśnialnej sztucznej inteligencji. Antybiotyki te konkretnie i skutecznie zabijają MRSA i inne patogeny bakteryjne. (Zdjęcie: Business Wire)
20 grudnia 2023 r., godz. 11:00 czasu wschodniego
SAN CARLOS, Kalifornia -(BUSINESS WIRE) - Integrated Biosciences, firma biotechnologiczna będąca pionierem w wykorzystaniu biologii syntetycznej i uczenia maszynowego do opracowywania nowej generacji środków terapeutycznych na choroby związane z wiekiem, ogłosiła dziś publikację w czasopiśmie Nature recenzowanego manuskryptu szczegółowo opisującego zastosowanie jej platformy w odkryciu nowej klasy małocząsteczkowych antybiotyków zdolnych do zwalczania antybiotykooporności. Odkrycie to stanowi jedną z pierwszych nowych klas antybiotyków w ciągu ostatnich 60 lat i jest pierwszym odkryciem wykorzystującym platformę opartą na sztucznej inteligencji zbudowaną wokół wyjaśnialnego głębokiego uczenia się. Artykuł zatytułowany "Odkrycie strukturalnej klasy antybiotyków z wyjaśnialnym głębokim uczeniem się" został współautorstwem zespołu 21 naukowców, kierowanego przez dr Felixa Wonga, współzałożyciela Integrated Biosciences, oraz dr Jamesa J. Collinsa, profesora inżynierii medycznej i nauk ścisłych na MIT i założyciela rady doradczej Integrated Biosciences.
Dodatkowymi współpracownikami byli naukowcy z Massachusetts Institute of Technology (MIT), Broad Institute of MIT i Harvard, Wyss Institute for Biologically Inspired Engineering oraz Leibniz Institute of Polymer Research w Dreźnie w Niemczech. W swoim badaniu naukowcy praktycznie przeanalizowali ponad 12 milionów związków kandydujących, aby zidentyfikować tę nową klasę antybiotyków.
"Odkrycie nowej klasy antybiotyków jest przełomowym wynikiem pokazującym, że sztuczna inteligencja i wyjaśnialne głębokie uczenie się są wyjątkowo zdolne do katalizowania odkrywania leków" - powiedział dr Wong. "Nasza praca udostępnia publicznie kilka modeli o dużej mocy, które dokładnie przewidują zarówno aktywność, jak i toksyczność antybiotyków. Co ważne, jest to jedna z pierwszych demonstracji, że modele głębokiego uczenia mogą wyjaśnić, co przewidują, co ma natychmiastowe i daleko idące konsekwencje dla sposobu odkrywania leków i tego, jak skutecznie możemy znaleźć nowe leki za pomocą sztucznej inteligencji "
Dr Satotaka Omori, członek-założyciel i szef działu biologii starzenia w Integrated Biosciences, a także autor publikacji, powiedział: "Ważną implikacją tego badania jest to, że modele głębokiego uczenia się w odkrywaniu leków mogą, a w wielu przypadkach powinny, być możliwe do wyjaśnienia. Podczas gdy sztuczna inteligencja nadal wywiera wpływ, jest ona również ograniczona przez wiele powszechnie stosowanych modeli czarnych skrzynek, które zaciemniają podstawowy proces podejmowania decyzji. Otwierając te czarne skrzynki, dążymy do stworzenia bardziej uogólnionych spostrzeżeń, które mogą być bardziej przydatne w przyspieszeniu stosowania i rozwoju podejść nowej generacji do odkrywania leków"
W tym przełomowym podejściu zespół naukowców wytrenował modele głębokiego uczenia się na eksperymentalnie wygenerowanych danych, aby przewidzieć aktywność antybiotykową i toksyczność dowolnego związku. Czerpiąc inspirację ze sztucznej inteligencji wykorzystywanej w innych kontekstach, w tym technologii gier AlphaGo firmy DeepMind, autorzy zaprojektowali nowe modele, aby wyjaśnić, które części cząsteczki są ważne dla aktywności antybiotykowej. Rezultatem była nowa klasa antybiotyków o silnym działaniu przeciwko patogenom wielolekoopornym. W jednej z serii eksperymentów naukowcy przetestowali kandydata na antybiotyk w mysich modelach zakażenia MRSA i stwierdzili, że był on skuteczny zarówno miejscowo, jak i ogólnoustrojowo, co wskazuje, że związek ten może być odpowiedni do dalszego rozwoju jako leczenie ciężkich zakażeń bakteryjnych związanych z sepsą.
"Jest to ważne potwierdzenie tego, jak ważna będzie integracja sztucznej inteligencji i wyjaśnialnego głębokiego uczenia się dla przezwyciężenia niektórych z najbardziej dokuczliwych wyzwań w medycynie, w tym przypadku oporności na antybiotyki" - powiedział dr Collins. "Opierając się na tych potwierdzających badaniach i podobnych podejściach, zespół Integrated Biosciences jest w stanie jeszcze bardziej przyspieszyć integrację biologii syntetycznej i dogłębnego zrozumienia stresu komórkowego, aby sprostać znacznemu niezaspokojonemu zapotrzebowaniu na nowe metody leczenia chorób związanych z wiekiem"
"W każdej klasie leków często występują uporczywe kwestie, które ograniczają rozwój kliniczny. Kluczową innowacją w tym badaniu było to, że mogliśmy spojrzeć na wyjaśnialne głębokie uczenie się, aby pomóc nam zająć się konkretnymi kwestiami, takimi jak oporność i toksyczność, i szybko znaleźć rozwiązania" - powiedział dr Wong.
Alicia Li, pracownik naukowy w Integrated Biosciences i współautorka publikacji, dodała: "To naprawdę ekscytujące zobaczyć, jak udało nam się zademonstrować nowy sposób przewidywania, jak przydatny będzie związek jako antybiotyk, prawdopodobieństwo, że związek będzie postępował w fazie I badań i czy związek jest jednym z potencjalnie wielu innych członków nowej klasy leków"
Firma Integrated Biosciences przeprowadziła szereg badań, które oprócz tej nowej publikacji w Nature, obejmują opublikowany w maju artykuł Nature Aging pokazujący, w jaki sposób sztuczna inteligencja może być wykorzystywana do odkrywania nowych senolityków, związków przeciwstarzeniowych, które selektywnie eliminują starzejące się komórki "zombie". Związki te wykazały obiecującą zdolność do leczenia chorób związanych z wiekiem, takich jak zwłóknienie, stany zapalne i rak. W opublikowanym w lipcu artykule Cell Systems zademonstrowano platformę opartą na biologii syntetycznej, umożliwiającą ludzką kontrolę nad reakcjami na stres związanymi ze starzeniem się, umożliwiając przyspieszone badania przesiewowe leków ukierunkowanych na starzenie się.
Publikacja "Discovery of a structural class of antibiotics with explainable deep learning" jest dostępna na stronie internetowej Nature pod adresem: www.nature.com/articles/s41586-023-06887-8.
O firmie Integrated Biosciences
Integrated Biosciences to wschodząca firma biotechnologiczna, która jest pionierem w zakresie nowatorskich podejść łączących biologię syntetyczną i oparte na sztucznej inteligencji odkrywanie drobnocząsteczkowych leków w celu wytworzenia nowej generacji środków terapeutycznych ukierunkowanych na choroby związane ze starzeniem się. Firma została założona w 2022 roku przez naukowców z MIT, Harvardu i Princeton, dr Felixa Wonga i dr Maxa Wilsona. Doradcami naukowymi są dr James J. Collins, profesor inżynierii medycznej i nauk ścisłych na MIT, Sir David W. C. MacMillan, laureat Nagrody Nobla w dziedzinie chemii w 2021 r. oraz James S. McDonnell, wybitny profesor chemii w Princeton. Do inwestorów Integrated Biosciences należą Root Ventures, Mission BioCapital, Conscience VC, Reinforced Ventures i Polymath Capital. Więcej informacji znajdą Państwo na stronie: www.integratedbiosciences.com.
Kontakt
Media:
Anthony Petrucci
Bioscribe
512-581-5442
[email protected]
