AI kan nu binnen enkele dagen nieuwe antibiotica ontwerpen. Waarom is dat zo’n doorbraak?

IBM-onderzoekers hebben een AI-systeem gecreëerd dat automatisch het ontwerp van moleculen voor nieuwe antibiotica kan genereren. Dat is geweldig nieuws, want we hebben dringend snellere manieren nodig om nieuwe antibiotica te maken.

Stel je voor dat je een nieuw antibioticum moet ontdekken om een ​​enge ziekte te bestrijden. Hoe zou je het vinden? Meestal zou je enorm veel verschillende moleculen in het laboratorium moeten testen totdat je er een vindt die de nodige bacteriedodende eigenschappen heeft. Misschien vind je enkele kanshebbers die goed zijn in het doden van die bacteriën, maar dan blijken ze onbruikbaar want ze kunnen giftig zijn voor mensen. Soit, het vinden van een nieuw antibioticum is een erg lang, erg duur proces.

Maar wat als je in plaats daarvan gewoon de eigenschappen die je zoekt in je computer zou kunnen typen en die computer het perfecte molecuul voor je laat ontwerpen? Dat is de algemene benadering van IBM-onderzoekers, met behulp van een AI-systeem dat automatisch het ontwerp van moleculen voor nieuwe antibiotica kan genereren.

Proces dat normaal jaren duurt, geflikt in paar dagen

In een nieuw artikel, gepubliceerd in Nature Biomedical Engineering, beschrijven de onderzoekers hoe ze het al hebben gebruikt om snel twee nieuwe antimicrobiële peptiden – kleine moleculen die bacteriën kunnen doden – te ontwerpen die effectief zijn tegen een heleboel verschillende pathogenen bij muizen. Normaal gesproken zou dit proces wetenschappers jaren kosten. Het AI-systeem deed het in een paar dagen.

Dat is geweldig nieuws, want we hebben dringend snellere manieren nodig om nieuwe antibiotica te maken. Wanneer er nieuwe antibiotica worden geïntroduceerd, kunnen ze geweldige, zelfs levensreddende resultaten opleveren. Sinds penicilline werd ontdekt in 1928, het begin van het moderne tijdperk van antibiotica, zijn we erop gaan vertrouwen om tot dan vaak dodelijke ziektes te behandelen en om ons veilig te laten herstellen na operaties.

Maar experts waarschuwen dat we nu een post-antibioticum-tijdperk ingaan – een tijd waarin onze bestaande antibiotica vrijwel onbruikbaar worden. We hebben deze crisis veroorzaakt door te veel antibiotica te gebruiken bij de behandeling van gewassen, op boerderijdieren (die we vervolgens opeten) maar ook door onszelf. Hoe meer we antibiotica gebruiken, hoe meer bacteriën de kans krijgen om zich aan onze medicijnen aan te passen en te veranderen in antibioticaresistente superbacteriën die de geneesmiddelen ondoeltreffend maken.

Hoe Covid-19 probleem met antibiotica heeft verergerd

En volgens een nieuw rapport van de Pew Charitable Trusts heeft de Covid-19-pandemie het probleem verergerd. Artsen zijn nog meer geneigd om patiënten onnodig antibiotica voor te schrijven. Antibiotica werken niet tegen virussen zoals Covid-19, maar artsen hebben patiënten toch antibiotica gegeven om hen te beschermen tegen secundaire infecties terwijl ze in het ziekenhuis lagen – zelfs voordat ze wisten of de patiënten een infectie hadden of niet.

In de tijd die het kost om dit artikel te lezen, zal er één persoon in de EU overlijden aan een infectie die antibiotica niet langer effectief kunnen behandelen vanwege ons overmatig gebruik van antibiotica. En in de loop van het jaar zullen 700.000 mensen over de hele wereld sterven aan resistente infecties. Dat jaarlijkse dodental kan oplopen tot 10 miljoen in 2050, waarschuwde een groot VN-rapport, tenzij we enkele radicale veranderingen doorvoeren.

Grote farmaceutische en biotechbedrijven hebben geen nieuwe antibiotica gemaakt, omdat het vele jaren aan onderzoek en ontwikkeling en vooral veel geld kost. De meeste zoektochten naar nieuwe antibiotica falen en zelfs als ze slagen, is de opbrengst klein: een antibioticum verkoopt niet zo goed als een medicijn dat dagelijks moet worden ingenomen. Voor veel farmaceutische bedrijven is de financiële prikkel er gewoon niet.

Hoe de nieuwe methode werkt

Maar als je AI kunt gebruiken om al dat werk snel en goedkoop te doen, dan wordt het een ander verhaal. Het nieuwe AI-systeem van IBM is gebaseerd op iets dat een generatief model wordt genoemd. Om het op zijn eenvoudigste niveau te begrijpen, kunnen we het opsplitsen in drie basisstappen.

Ten eerste beginnen de onderzoekers met een enorme database met bekende peptidemoleculen. Vervolgens haalt de AI informatie uit de database en analyseert de patronen om de relatie tussen moleculen en hun eigenschappen te achterhalen. Het kan zijn dat wanneer een molecuul een bepaalde structuur of samenstelling heeft, het de neiging heeft om een ​​bepaalde functie uit te voeren. Hierdoor kan het de basisregels van het ontwerpen van moleculen ‘leren’. Ten slotte kunnen onderzoekers de AI precies vertellen welke eigenschappen ze willen dat een nieuw molecuul heeft. Ze kunnen ook beperkingen invoeren (bijvoorbeeld lage toxiciteit). Met behulp van deze informatie over gewenste en ongewenste eigenschappen, ontwerpt de AI vervolgens nieuwe moleculen die voldoen aan de parameters. De onderzoekers kunnen er de beste uit kiezen en in een lab gaan testen op muizen.

De IBM-onderzoekers beweren dat hun aanpak 10 procent beter presteerde dan andere toonaangevende methoden voor het ontwerpen van nieuwe antimicrobiële peptiden. Ze ontdekten dat ze in staat waren om twee nieuwe antimicrobiële peptiden te ontwerpen die zeer krachtig zijn tegen verschillende pathogenen, waaronder de multiresistente K. pneumoniae, een bacterie die bekend staat om het veroorzaken van infecties bij ziekenhuispatiënten. Gelukkig hadden de peptiden een lage toxiciteit wanneer ze op muizen werden getest, een belangrijk signaal over hun veiligheid (hoewel niet alles wat waar is voor muizen uiteindelijk generaliseerbaar is voor mensen).

Vorig jaar ook al twee doorbraken

Dit is trouwens niet de eerste keer dat AI veelbelovend is gebleken bij het oplossen van langdurige problemen in de biologie. Vorig jaar loste het AI-onderzoekslaboratorium DeepMind het eiwitvouwprobleem op – de uitdaging om te voorspellen in welke 3D-vorm een ​​eiwit zich zal opvouwen. Het was een raadsel dat biologen al 50 jaar lang probeerden op te lossen. Nog een opwindend hoogtepunt was toen MIT-onderzoekers een nieuw type antibioticum ontdekten door hun AI te trainen om te voorspellen welke moleculen bacteriedodende eigenschappen zouden hebben.

Het IBM-onderzoek verschilt op een belangrijke manier van dat van MIT. Inplaats van hun AI te trainen op moleculen waarvan we weten dat ze antimicrobiële eigenschappen hebben (zoals MIT deed), gebruikte IBM een veel bredere database van alle bekende peptiden die in de natuur voorkomen. Dat is het verschil tussen beginnen met ongeveer 100.000 datapunten en ongeveer 1,7 miljoen datapunten.

Het voordeel van dat laatste is dat je een AI-systeem krijgt dat creatiever is en niet wordt beperkt tot alleen antimicrobiële stoffen. Zo zoekt het team momenteel bijvoorbeeld uit hoe het AI-systeem behandelingen voor Covid-19 zou kunnen ontwerpen.

Lees ook:

(jvdh)

Meer
Markten
Mijn Volglijst
Markten
BEL20