Kan kunstig intelligens hjelpe med å finne nye medisiner mot korona-viruset?
Kan kunstig intelligens hjelpe med å finne nye medisiner mot korona-viruset?

Ny og kraftig antibiotika oppdaget ved hjelp av kunstig intelligens

Å oppdage og lage nye medisiner tar lang tid og er kostbart, men med hjelp av kunstig intelligens kan vi kanskje finne nye medisiner raskere.

Publisert

Oppdagelsen av penicillin i 1928 var et av de viktigste øyeblikkene i medisinsk historie. Siden den gang har antibiotika reddet millioner av liv og er et av verdens mest brukte legemidler.

Men overbruk de siste årene har produsert motstandsdyktige bakterier som kan overleve antibiotika. Det er ifølge Verdens Helseorganisasjon et av verdens største helseproblemer. I fremtiden kan vanlige infeksjoner og småskader bli dødelige.

Et forskerteam fra amerikanske MIT har i en ny studie oppdaget en antibiotika som de kaller Halicin, oppkalt etter den kunstige intelligensen, Hal i filmen 2001: En romodyssé.

Halicin har klart å drepe flere typer antibiotikaresistente bakterier som for eksempel Acinetobacter baumannii og Enterobacteriaceae. Dette er to antibiotikaresistente bakterier som er på Verdens Helseorganisasjon prioriteringsliste, skriver The Guardian.

Den nye studien ble publisert i tidsskriftet Cell.

Kunstig intelligens var nøkkelen til de nye funnene

Forskerne fant de nye antibiotikaene ved å lære en kunstig intelligens algoritmer som identifiserte bakteriedrepende molekyler. De matet datamaskinen med molekylær informasjon fra nesten 2500 legemidler og hvor gode de er for å stoppe veksten av E. coli-bakterier.

Når algoritmen visste hva som skulle til for å lage en god antibiotika, gikk datamaskinen gjennom 6000 legemidler under utvikling. I stedet for å lete etter antimikrobielle midler, så datamaskinen på legemidler som var effektive, men ulike eksisterende antibiotikaer, skriver The Guardian.

Dette økte sjansen for at legemiddelet fungerte helt annerledes enn vanlig antibiotika og dermed hadde ikke bakteriene utviklet noe forsvar mot medisinen.

Ifølge Jonathan Stokes, som er hovedforskeren bak studien, tok det bare noen få timer for datamaskinen å finne flere lovende antibiotikakurer inkludert Halicin.

Kostbart å utvikle ny antibiotika og dødelig hvis vi ikke gjør det

Hvis ikke det blir oppdaget og utviklet nye antibiotikakurer, så er det beregnet at dødeligheten forårsaket av resistente infeksjonsbakterier kommer til å liggepå rundt 10 millioner mennesker hvert år i 2050, skriver forskerne i studien.

Forskerne peker på det finnes lite insentiver for legemiddelindustrien å utvikle nye antibiotika fordi det ikke er særlig lønnsomt og det er veldig tidkrevende. Halicin var egentlig utviklet for å behandle diabetes, men ble lagt i skuffen før medisinen kunne testes på mennesker.

– Fremgangsmåten deres viser styrken i datastyrt medisinfunn. Det ville være umulig å fysisk teste over 100 millioner forbindelser for antibiotisk aktivitet. Gitt typiske medikamentutviklingskostnader, både når det gjelder tid og penger, har enhver metode som kan øke hastigheten på medisinoppdagelse på et tidlig tidspunkt potensialet til å ha stor innvirkning, sier Jacob Durrant, som jobber med datastyrt medisindesign ved University of Pittsburgh til The Guardian.

Verdens raskeste datamaskin skal finne covid-19 medisin

Amerikanske forskere fikk tilgang til superdatamaskinen IBM POWER9 i USA som er kåret til verdens raskeste datamskin.

Maskinens hovedoppdrag er å løse upraktiske eller umulige oppgaver innen energi, avanserte materialer, menneskers helse og kunstig intelligens, men nå er den satt i gang for å bekjempe den globale epidemien foråsaket av covid-19, ifølge en pressemelding fra IBM.

Datamaskinen simulerte mer enn 8000 kjemiske stoffer og så på hvilket stoff som binder seg best til hovedproteinet i koronaviruset, noe som gjør at den ikke kan infisere vertsceller.

Kalkuleringer som ville ha tatt måneder med vanlige datamaskiner, tok superdatamaskinen en til to dager, og de fant 77 potensielle medisiner som kan være lovende for å bekjempe viruset.

Referanse:

Stokes, J. M., Yang, K., Swanson, K., Jin, W., Cubillos-Ruiz, A., Donghia, N. M., … Collins, J. J. (2020). A Deep Learning Approach to Antibiotic Discovery. Cell, 180(4), 688–702.e13. doi:10.1016/j.cell.2020.01.021