ИИ ускоряет поиск новых мишеней для противотуберкулезных препаратов
Туберкулез — серьезная угроза для здоровья в мире, которая заразила более 10 миллионов человек в 2022 году. Распространяясь по воздуху и попадая в легкие, патоген, вызывающий «ТБ», может привести к хроническому кашлю, болям в груди, усталости, лихорадке и потере веса. В то время как в других частях мира инфекции более распространены, серьезная вспышка туберкулеза, которая в настоящее время разворачивается в Канзасе, привела к двум смертельным случаям и стала одной из крупнейших за всю историю в Соединенных Штатах.
Хотя туберкулез обычно лечат антибиотиками, рост числа штаммов, устойчивых к лекарственным препаратам, привел к острой необходимости в разработке новых лекарственных препаратов.
Новое исследование, опубликованное в Proceedings of the National Academy of Sciences, описывает новое использование искусственного интеллекта для скрининга кандидатов на антимикробные соединения, которые могут быть разработаны в качестве новых лекарств от туберкулеза. Исследование проводилось под руководством исследователей из Калифорнийского университета в Сан-Диего, Linnaeus Bioscience Inc. и Центра глобальных исследований инфекционных заболеваний в Детском исследовательском институте Сиэтла.
Linnaeus Bioscience — это биотехнологическая компания из Сан-Диего, основанная на технологии, разработанной в лабораториях Школы биологических наук Калифорнийского университета в Сан-Диего профессором Джо Польяно и деканом Китом Польяно. Их метод бактериального цитологического профилирования (BCP) обеспечивает кратчайший путь к пониманию того, как действуют антибиотики, путем быстрого определения их основных механизмов.
Поиск новых лекарственных препаратов для лечения туберкулеза традиционными лабораторными методами исторически оказался трудным и длительным процессом, отчасти из-за сложности понимания того, как новые препараты действуют против Mycobacterium tuberculosis — бактерии, вызывающей это заболевание.
Новое исследование описывает разработку «MycoBCP», технологии следующего поколения. Новый метод адаптирует BCP к глубокому обучению — типу искусственного интеллекта, который использует нейронные сети, подобные мозговым, — чтобы преодолеть традиционные проблемы и открыть новые взгляды на клетки Mycobacterium tuberculosis.
«Это первый случай, когда такой анализ изображений с использованием машинного обучения и ИИ был применен таким образом к бактериям», — сказал соавтор статьи Джо Польяно, профессор кафедры молекулярной биологии. «Изображения туберкулеза изначально трудно интерпретировать человеческим глазом и традиционными лабораторными измерениями. Машинное обучение гораздо более чувствительно в способности улавливать различия в формах и узорах, которые важны для выявления базовых механизмов».
За два года разработки ведущие авторы исследования Диана Куах и Джозеф Суги сформировали технологию MycoBCP, обучив инструменты искусственного интеллекта, известные как сверточные нейронные сети , с помощью более чем 46 000 изображений клеток туберкулеза (сейчас Куах и Суги работают в Linnaeus Bioscience, получили докторские степени на кафедре биоинженерии Шу Чиен-Джин Лей и прошли постдокторскую стажировку в лабораториях Польяно на кафедре молекулярной биологии).
«Туберкулезные клетки слипаются и, похоже, всегда держатся близко друг к другу, поэтому определение границ клеток не представлялось возможным», — сказал Суги, главный технический директор Linnaeus Bioscience. «Вместо этого мы сразу же позволили компьютеру проанализировать закономерности на изображениях для нас».
Linnaeus объединился с экспертом по туберкулезу Таней Пэриш из Детского исследовательского института Сиэтла, чтобы разработать BCP для микобактерий. Новая система уже значительно ускорила возможности команды по исследованию туберкулеза и помогла определить оптимальные соединения-кандидаты для разработки лекарств.
«Важнейшим компонентом продвижения к новым кандидатам на лекарства является определение того, как они работают, что было технически сложным и требовало времени», — сказал Пэриш, соавтор исследования. «Эта технология расширяет и ускоряет наши возможности в этом и позволяет нам расставлять приоритеты в работе над молекулами на основе их способа действия. Мы были рады сотрудничать с Linnaeus в их работе по разработке этой технологии для M. tuberculosis».
Помимо Куаха, Польяно и Суги, соавторами статьи являются Марк Шарп, Сара Ахмед, Лорен Эймс, Амала Бхагват, Адити Дешпанде и Таня Пэриш.