Eszközök

Mesterséges intelligenciával generált szöveg

Ingyenes mesterséges intelligencia gyorsítja új antibiotikumok keresését

A főszereplője Autumn Arnold, a McMaster University Stokes Lab kutatója és Jonathan Stokes mikrobiológus által vezetett csoport, amely egy ESKAPE nevű mesterséges intelligencia modellt fejlesztett ki az antibakteriális hatás előrejelzésére.

Ingyenes mesterséges intelligencia gyorsítja új antibiotikumok keresését

A gyógyszerrezisztens fertőzések évente több mint egymillió ember haláláért felelősek, miközben a nagy gyógyszergyártó cégek nagyrészt visszaléptek az új antibiotikumok fejlesztésétől: a felfedezéshez szükséges kutatás-fejlesztés költséges és hosszadalmas. Ezt a problémát próbálja enyhíteni a McMaster University Stokes Labjában dolgozó Autumn Arnold doktori hallgató által kifejlesztett mesterséges intelligencia.

Az ESKAPE modell

A modell neve ESKAPE, és előrejelzi, hogy mely kémiai vegyületek rendelkezhetnek antibakteriális hatással. A rendszer ingyenesen használható: a kutatók feltöltenek egy listát a vegyületekről, és visszakapják a modell predikcióit arról, mely molekulák valószínűleg elpusztítanak veszélyes baktériumokat. Jonathan Stokes mikrobiológus, a labor vezetője azt emelte ki: „Mindössze internetkapcsolat kell hozzá.”

A platform használatakor a kutatók megőrzik saját eredményeik tulajdonjogát, és nem kötelező megosztaniuk a feltöltött vegyületek listáját.

Miért fontos ez most?

Jonathan Stokes rámutatott a strukturális problémákra: „Van egy tökéletes viharunk a növekvő rezisztenciával, egy nagyon sovány antibiotikum-pipelinen és hatalmas gazdasági nehézségekkel.” Hangsúlyozta, hogy egy új gyógyszer kifejlesztése akár egy milliárd dollárba is kerülhet, és ritkán térül meg a befektetés.

Teljesítmény és hatókör

A csoport közlése szerint az ESKAPE modellt eddig több mint 12 millió molekula szűrésére használták. A rendszer kapacitása több mint 40 000 vegyület értékelése naponta, ami jelentősen felgyorsíthatja a potenciális antibiotikum-jelöltek azonosítását és csökkentheti a laboratóriumi kísérletek számát.

Más megközelítések

A cikk arra is felhívja a figyelmet, hogy más kutatócsoportok is dolgoznak új módszereken: a Massachusetts Institute of Technology (MIT) és a svéd Karolinska Institutet kutatói „generatív mélytanulást” alkalmaznak, amely teljesen új molekulákat hoz létre az antibiotikum-rezisztencia elleni célzásra.

Közös erőfeszítés szükséges

„Ez globális probléma” — mondta Jonathan Stokes, és hozzátette, hogy a megoldáshoz széleskörű együttműködésre van szükség. Az ESKAPE ingyenes elérhetősége lehetőséget biztosít a kutatóknak világszerte, hogy gyorsabban szűrjenek vegyületeket és előrelépjenek a kritikus igényű antibiotikumok felfedezésében.