ساخت آنتیبیوتیک با هوش مصنوعی
ابررایانهها همیشه بهعنوان ابزاری برای تجزیه و تحلیل دادههای حجیم شناخته میشدند، اما اکنون به ابزاری برای خلق و نوآوری تبدیل شدهاند. در یک پیشرفت چشمگیر در حوزه مبارزه با مقاومت آنتیبیوتیکی، محققان مؤسسه فناوری ماساچوست (MIT) از هوش مصنوعی مولد برای طراحی دو آنتیبیوتیک جدید و قدرتمند استفاده کردهاند که قادر به مقابله با ابرمیکروبهای سوزاک و MRSA هستند. این کشف که در مجله علمی Cell منتشر شده، نویدبخش آغاز یک عصر طلایی دوم در کشف آنتیبیوتیکها است.
هوش مصنوعی چگونه آنتیبیوتیک میسازد؟
تا به امروز، هوش مصنوعی بیشتر برای غربالگری هزاران ترکیب شیمیایی موجود و یافتن آنتیبیوتیکهای بالقوه به کار گرفته میشد. اما رویکرد جدید تیم MIT یک گام فراتر رفته است. در این روش، هوش مصنوعی از ابتدا و اتم به اتم به طراحی ترکیبات جدید میپردازد. این سیستم با استفاده از دادههای مربوط به ساختار شیمیایی ترکیبات شناختهشده و تأثیر آنها بر رشد باکتریها آموزش داده میشود. در نتیجه، هوش مصنوعی میتواند ارتباط بین ساختار مولکولی و عملکرد آنتیبیوتیکی را درک کند.
این تیم از دو رویکرد برای طراحی آنتیبیوتیک استفاده کرد:
- رویکرد مبتنی بر قطعات: در این روش، هوش مصنوعی با جستجو در میان میلیونها قطعه شیمیایی کوچک، یک نقطه شروع امیدوارکننده پیدا کرده و سپس مولکول را از آنجا گسترش داد.
- رویکرد آزاد: در این حالت، هوش مصنوعی از ابتدا کاملاً آزادانه عمل کرده و مولکولها را طراحی کرد.
یکی از مهمترین ویژگیهای این فرآیند طراحی، فیلتر کردن ترکیبات است. هوش مصنوعی بهطور خودکار ترکیباتی را که شبیه به آنتیبیوتیکهای فعلی بودند، حذف کرد. همچنین، این سیستم ترکیبات بالقوه سمی برای انسان را شناسایی و کنار گذاشت تا تمرکز بر روی داروهای ایمنتر باشد.
نتایج امیدوارکننده در آزمایشگاه و حیوانات
از میان دهها ترکیب طراحیشده توسط هوش مصنوعی، دو ترکیب که به بهترین وجه با معیارهای مورد نظر مطابقت داشتند، سنتز شده و مورد آزمایش قرار گرفتند. نتایج اولیه بسیار امیدوارکننده بودند:
- این آنتیبیوتیکهای جدید توانستند با موفقیت باکتریهای سوزاک و MRSA را در آزمایشهای محیط کشت از بین ببرند.
- آزمایشها روی موشهای آلوده نشان داد که این داروها مؤثر و بیخطر هستند.
پروفسور جیمز کالینز از محققان MIT این دستاورد را هیجانانگیز خوانده و معتقد است که هوش مصنوعی میتواند به ما در نبردمان با مقاومت آنتیبیوتیکی برتری بدهد.
چالشهای پیشرو: از آزمایشگاه تا داروخانه
با وجود این موفقیت بزرگ، هنوز راه درازی تا عرضه این داروها به بازار باقی مانده است. این ترکیبات پیش از آنکه وارد فاز آزمایشهای بالینی بر روی انسان شوند، به یک تا دو سال کار بیشتر برای بهینهسازی و اصلاح نیاز دارند. علاوه بر این، فرآیند آزمایشهای بالینی میتواند طولانی، پرهزینه و با عدم تضمین موفقیت همراه باشد.
دکتر اندرو ادواردز از کالج سلطنتی لندن، این کار را بسیار مهم و دارای پتانسیل عظیم میداند، اما تأکید میکند که علیرغم توانایی هوش مصنوعی در کشف سریع دارو، تست ایمنی و کارایی همچنان یک فرآیند سخت و ضروری باقی خواهد ماند.
همچنین، چالشهای اقتصادی نیز وجود دارند. اگر آنتیبیوتیک جدیدی ساخته شود، برای حفظ اثربخشی آن باید استفاده از آن به حداقل برسد، که این موضوع سودآوری تجاری آن را دشوار میکند.
با این حال، این پژوهش نشان میدهد که هوش مصنوعی میتواند ابزاری قدرتمند برای تسریع فرآیند کشف دارو و ارائه راهکارهایی نوین در برابر یکی از بزرگترین تهدیدات سلامت جهانی باشد. این روش جدید، افقهای تازهای را برای مبارزه با ابرمیکروبها و تضمین آیندهای سالمتر پیش روی ما قرار میدهد.
