Rewolucja czy iluzja? AI projektuje tysiące antybiotyków, ale ich testy to zupełnie inna historia.
Sztuczna inteligencja szturmem weszła do laboratorium i zaprojektowała dziesiątki tysięcy potencjalnych antybiotyków. W teorii to rewolucja. W praktyce jednak droga do nowego leku może być równie długa i wyboista, jak dawniej. Eksperci ostrzegają, iż AI potrafi zaprojektować, ale nie zastąpi testów w laboratorium ani ludzkiej wiedzy.
AI kontra superbakterie
W obliczu dramatycznego wzrostu oporności bakterii na antybiotyki w samych Stanach Zjednoczonych zakażenia wywoływane przez tzw. bakterie z koszmaru wzrosły o 69 proc. w ciągu zaledwie czterech lat. Naukowcy szukają więc nowych rozwiązań. Jednym z najbardziej obiecujących kierunków okazuje się sztuczna inteligencja.
Jak czytamy na łamach Nature, zespół naukowców z Uniwersytetu Pensylwanii, kierowany przez Césara de la Fuente, od dekady rozwija algorytmy, które analizują ogromne zbiory danych biologicznych, by znaleźć potencjalne związki o działaniu przeciwdrobnoustrojowym. W najnowszym projekcie AI zaprojektowała 50 tys. peptydów, czyli krótkich łańcuchów aminokwasów, które mogą mieć adekwatności antybakteryjne.
Projekt w sekundach, testy w miesiące
Co niezwykle imponujące, zaprojektowanie 50 tys. cząsteczek zajęło AI zaledwie kilka minut. Z tego zestawu wybrano 46 najlepiej rokujących kandydatów, które następnie zsyntetyzowano w laboratorium. Około 35 z nich wykazało aktywność przeciwko przynajmniej jednej bakterii, a jednocześnie nie były toksyczne dla ludzkich komórek nerkowych. Najlepiej rokujące związki przeszły testy na myszach zakażonych bakterią Acinetobacter baumannii, czyli jednym z najbardziej opornych szczepów.
Naukowcy tonują jednak entuzjazm. Jak zaznacza prof. Jim Collins z MIT, wiele zaprojektowanych przez AI molekuł okazuje się chemicznie niestabilnych lub zbyt trudnych do syntezy. W jego badaniu z setek zaproponowanych struktur udało się wyprodukować zaledwie 24. I tylko kilka wykazało realne działanie przeciwko szczepom opornym na znane leki.
Problemy, których AI jeszcze nie rozwiązuje
Największe ograniczenie nie leży w samym projektowaniu, ale w przejściu od wirtualnego modelu do rzeczywistej substancji. Część cząsteczek jest zbyt skomplikowana, by dało się je odtworzyć przy rozsądnym nakładzie środków. Inne z kolei wymagają kosztownych i wieloetapowych syntez, co znacznie ogranicza ich użyteczność w praktyce klinicznej.
Z pomocą przychodzi nowe podejście opracowane przez zespół Jona Stokesa z Uniwersytetu McMastera w Kanadzie. Jego model GenAI generuje nie tylko strukturę molekuły, ale i przepis na jej syntezę z dostępnych fragmentów chemicznych. Dzięki temu aż 85 proc. zaprojektowanych przez ich system cząsteczek daje się wyprodukować w laboratorium.
Sztuczna inteligencja szuka celu
AI może również wskazywać, jak dokładnie działa nowa substancja, czyli który element bakterii atakuje. Zamiast mozolnych, kosztownych eksperymentów biologicznych, system opracowany przez Stokesa potrafi przewidzieć mechanizm działania antybiotyku w zaledwie 100 sek. Weryfikacja tej prognozy w laboratorium zajęła naukowcom 6 miesięcy.
To pokazuje, iż AI potrafi znacząco przyspieszyć wstępne etapy badań, ale nie zastępuje klasycznych testów in vitro i in vivo. Obecna technologia przez cały czas wymaga udziału naukowców, którzy selekcjonują, syntetyzują i sprawdzają działanie każdej obiecującej cząsteczki. Dopóki zaprojektowane leki nie trafią do badań klinicznych, nie sposób ocenić, czy którakolwiek z tych 50 tys. cząsteczek faktycznie zadziała u ludzi. Warto jednak śledzić temat, bo jest niezwykle interesujący.
*Grafika wprowadzająca wygenerowana przez AI
