پژوهشگران مؤسسه فناوری ماساچوست (MIT) با همکاری دانشگاه مک‌مستر، با استفاده از مدل‌های هوش مصنوعی در کشف آنتی‌بیوتیک توانسته‌اند نقشه‌ی دقیق عملکرد یک داروی جدید را در برابر باکتری‌های روده ترسیم کنند. این دستاورد می‌تواند به توسعه داروهایی منجر شود که تنها باکتری‌های مضر را هدف می‌گیرند و به میکروبیوم مفید بدن آسیب نمی‌زنند.

کشف ترکیب جدید

در این مطالعه، پژوهشگران ترکیبی به نام انتئولولین (Enterololin) را شناسایی کردند؛ مولکولی که به‌طور انتخابی باکتری‌های بیماری‌زا را از بین می‌برد، بدون آن‌که توازن طبیعی باکتری‌های مفید روده را بر هم بزند. چنین ویژگی‌ای می‌تواند درمان بیماری‌هایی مانند کرون و کولیت اولسراتیو را ایمن‌تر و مؤثرتر کند. این کشف نتیجه‌ی مستقیم استفاده از هوش مصنوعی در کشف آنتی‌بیوتیک‌های هدفمند است.

نقش هوش مصنوعی در کشف آنتی‌بیوتیک

برای شناسایی نحوه عملکرد این مولکول، تیم تحقیقاتی از مدل مولد MIT به نام DiffDock استفاده کرد. این مدل می‌تواند نحوه‌ی اتصال مولکول‌های کوچک به پروتئین‌های باکتریایی را پیش‌بینی کند. پژوهشگران می‌گویند به لطف هوش مصنوعی در کشف آنتی‌بیوتیک، فرایندی که معمولاً سال‌ها زمان می‌برد، اکنون تنها در چند ماه انجام می‌شود.

نتایج مدل نشان داد که انتئولولین به مجموعه پروتئینی LolCDE متصل می‌شود؛ سامانه‌ای که در انتقال لیپوپروتئین‌ها در باکتری نقش کلیدی دارد. این دستاورد نمونه‌ای روشن از کاربرد هوش مصنوعی در کشف آنتی‌بیوتیک‌های نسل جدید است که هدف‌گیری دقیقی دارند.

تأیید آزمایشگاهی و نتایج حیوانی

برای بررسی درستی پیش‌بینی مدل هوش مصنوعی، پژوهشگران از روش‌هایی مانند ایجاد جهش مقاوم به دارو، توالی‌یابی RNA و ویرایش ژن با CRISPR استفاده کردند. نتایج تأیید کرد که هدف مولکولی این آنتی‌بیوتیک همان پروتئینی است که هوش مصنوعی در کشف آنتی‌بیوتیک پیش‌بینی کرده بود.

در آزمایش‌های انجام‌شده روی موش‌های مبتلا به التهاب روده، داروی جدید توانست باکتری‌های مضر E. coli را از بین ببرد، در حالی که باکتری‌های مفید روده سالم باقی ماندند. این نتیجه نشان می‌دهد که هوش مصنوعی در کشف آنتی‌بیوتیک‌های هوشمند می‌تواند به درمان‌های کم‌عارضه‌تر منجر شود. مقایسه‌ها نیز نشان داد که در برابر داروی مرسوم وانوکومایسین، انتئولولین آسیب بسیار کمتری به میکروبیوم روده وارد می‌کند و موجب بهبود سریع‌تر حیوانات شد.

چشم‌انداز آینده

تیم پژوهشی در حال بررسی مشتقات جدیدی از این مولکول است تا بتوان آن را علیه سایر باکتری‌های مقاوم از جمله Klebsiella pneumoniae به کار گرفت. پژوهشگران امیدوارند با تکیه بر هوش مصنوعی در کشف آنتی‌بیوتیک‌های اختصاصی، بتوانند درمان‌های دقیق‌تری برای عفونت‌های پیچیده طراحی کنند.

اگر نتایج همچنان امیدوارکننده باقی بماند، آزمایش‌های بالینی انسانی طی چند سال آینده آغاز خواهد شد. پژوهشگران MIT تأکید می‌کنند که ترکیب فناوری هوش مصنوعی در کشف آنتی‌بیوتیک با علوم زیستی، افق تازه‌ای در طراحی سریع‌تر و ایمن‌تر داروهای ضدباکتری ایجاد کرده است — گامی مهم در مسیر مبارزه با بحران جهانی مقاومت آنتی‌بیوتیکی.