لأول مرة منذ 60 عاماً، اكتشاف مضاد حيوي جديد باستخدام الذكاء الاصطناعي
⬤ استطاع علماء من معهد ماساشوستس للتكنولوجيا أن يكتشفوا سلالة مضادات حيوية جديدة لأول مرة منذ 60 عاماً.
⬤ استخدم العلماء نماذج التعلم العميق ودربوها على مجموعات موسعة من البيانات للتوصل إلى المضادات الحيوية الجديدة.
⬤ أظهرت المضادات الحيوية الجديدة نتائج واعدة في مكافحة أنواع باكتيريا مقاومة للمضادات الحيوية الحالية.
أعلن علماء عن اكتشاف فئة جديدة من المضادات الحيوية لبكتريا المكورات العنقودية الذهبية المقاومة للأدوية (MRSA)، وذلك باستخدام نماذج تعلم عميق أكثر شفافية ووضوحاً. وهكذا استطاع أولئك العلماء، بمعونة الذكاء الاصطناعي، أن يكتشفوا أول مضادات حيوية جديدة منذ 60 عاماً.
ولا شك أنّ اكتشاف مضادات حيوية تستطيع قتل البكتريا المقاومة للأدوية سيحدث تغييراً كبيراً في مجال الطب، لا سيما أنّ هذه البكتريا تقضي على حياة الآلاف سنوياً. وقال جيمس كولينز، أستاذ الهندسة الطبية والعلوم في معهد ماساشوستس للتكنولوجيا: «كانت الفكرة لدينا أنْ نعرف ما تعلمته النماذج لإنشاء تنبؤاتها بخصوص جزئيات معينة قادرة على تصنيع مضادات حيوية فعالة.»
ويتابع كولينز حديثه قائلاً: «تقدم أبحاثنا إطارَ عملٍ يتصف بالكفاءة في جوانب عديدة من منظور التركيبة الكيميائية، منها الوقت، واستخدام الموارد، والرؤية الميكانيكية البصيرة». ونُشرت نتائج العلماء- الذين بلغ عددهم 21 عالماً- في دورية Nature العلمية.
واستخدم العلماء في مشروعهم نموذجاً للتعلم العميق حتى يتنبؤوا بنشاط المركب الجديد وسُميته؛ إذ ينطوي التعلم العميق على استخدام شبكات عصبية اصطناعية للتعلم تلقائياً، وإظهار الخصائص المميزة من البيانات دون برمجة واضحة. ويُستخدم التعلم العميق على نحو متزايد لتسريع العملية المتبعة لتحديد الأدوية المحتملة، والتنبؤ بخصائصها، وتحسين عملية تطوير الأدوية عموماً.
وفي هذه الحالة ركز العلماء اهتمام على بكتريا MRSA، التي تصيب البشر مسببة بعض الأعراض المتفاوتة الشدة، وقد تؤدي أحياناً إلى مضاعفات خطيرة تهدد حياة المرضى، وعكفوا على تدريب نموذج ضخم للتعلم العميق، معتمدين في ذلك على مجموعات بيانات موسعة.
وكان لزاماً على العلماء أن يُنشِئوا أولاً بيانات التدريب، لذلك راجعوا نحو 39 ألف مركب لتقييم تأثيرها المضاد الحيوي بمواجهة بكتريا MRSA. وبعد ذلك زوّدوا نموذج التعلم العميق بالبيانات الناتجة، وتفاصيل التركيب الكيميائي للمركبات المختلفة.
وفي هذا الصدد قال فيليكس وونغ، أحد المؤلفين الرئيسيين للدراسة: «ما بدأناه في أبحاثنا هو فتح الصندوق الأسود لهذه العملية؛ فالنماذج تتكون من أعداد هائلة العمليات الحسابية التي تحاكي الاتصالات العصبية، لكن لا أحد يدري حقاً طبيعة ما يجري في الخفاء.»
علاوة على ما سبق، أراد العلماء تحسين اختبارات الأدوية المحتملة، لذلك اعتمدوا على 3 نماذج أخرى للتعلم العميق؛ إذ دربوا هذه النماذج لتصبح قادرة على تقييم سمية المركبات على 3 أنواع مختلفة من الخلايا البشرية.
وبعد الانتهاء من تلك العملية، جمع العلماء بين تنبؤات السمية وبين النشاط المضاد للميكروبات المحدد مسبقاً، وبذلك توصلوا إلى مركبات قادرة على مكافحة الميكروبات بفعالية كبيرة، وبأقل أضرار على صحة الإنسان. ووظفوا مجموعة النماذج المتاحة لديهم لفحص 12 مليون مركب متاح في الأسواق.
ونجحت النماذج في تعيين مركبات عائدة لخمس فئات مختلفة أبانت عن نشاط متوقع لمكافحة بكتريا MRSA، وحصل الباحثون على 280 مركب أجروا عليها اختبارات لمكافحة بكتريا MRSA ضمن بيئة مخبرية. وأفضى هذا النهج في نهاية المطاف إلى تحديد اثنين من المضادات الحيوية الواعدة اللذين ينتميان إلى الفئة نفسها. وبينت النتائج التي أجريت على الفئران أنّ المركبين نجحا في خفض تعداد بكتريا MRSA بعاملٍ من 10.
