Ερευνητές του Πανεπιστημίου της Pennsylvania παρουσίασαν μια πρωτοποριακή μελέτη, όπου μέσω της παραγωγικής τεχνητής νοημοσύνης (GenAI), δημιουργήθηκαν χιλιάδες νέα αντιμικροβιακά πεπτίδια (AMPs) με ικανότητα να καταπολεμούν επικίνδυνα βακτήρια. Η τεχνολογία αυτή, που αποκαλείται AMP-Diffusion, αναλύει και παράγει ακολουθίες αμινοξέων από το μηδέν, προσφέροντας έτσι τη δυνατότητα σχεδιασμού αντιβιοτικών.
Για χρόνια, το εργαστήριο του de la Fuente έχει αξιοποιήσει την AI για να αναζητεί μόρια με αντιμικροβιακές ιδιότητες σε απίθανα μέρη, από πρωτεΐνες μαμούθ μέχρι δηλητήρια ζώων και αρχαία μικρόβια που ονομάζονται archaea. «Δυστυχώς, η αντοχή στα αντιβιοτικά αυξάνεται ταχύτερα από ό,τι μπορέσαμε να ανακαλύψουμε νέα υποψήφια αντιβιοτικά,» λέει ο César de la Fuente, Αναπληρωτής Καθηγητής Βιομηχανικής (BE) και Χημικής και Βιομοριακής Μηχανικής στη Σχολή Μηχανικής και Εφαρμοσμένων Επιστημών του Πανεπιστημίου της Πενσυλβάνια (Penn Engineering), στην Ψυχιατρική και Μικροβιολογία στην Ιατρική Σχολή Perelman και στη Χημεία στη Σχολή Τεχνών και Επιστημών, και ο κύριος συν-συγγραφέας της εργασίας.
Αυτό οδήγησε το εργαστήριό του να συνεργαστεί με το εργαστήριο Chatterjee, που συνήθως σχεδιάζει πεπτίδια με AI για ασθένειες στις οποίες οι παραδοσιακές φαρμακευτικές μέθοδοι αποτυγχάνουν.
Ενώ ορισμένα μοντέλα παραγωγικής τεχνητής νοημοσύνης (GPT), όπως το ChatGPT, λειτουργούν προβλέποντας την επόμενη λέξη ή στοιχείο σε μια ακολουθία, τα μοντέλα «διάχυσης» ξεκινούν από τυχαίο «θόρυβο» και τον βελτιώνουν επαναληπτικά σε μια συνεκτική έξοδο – η αρχή πίσω από εργαλεία όπως το DALL·E και το Stable Diffusion.
Η AMP-Diffusion λειτουργεί με τον ίδιο τρόπο, μόνο που αντί να «αποθορυβοποιεί» τα pixel, βελτιώνει τις αλληλουχίες αμινοξέων. «Είναι σχεδόν σαν να ρυθμίζεις το ραδιόφωνο», λέει ο de la Fuente. «Ξεκινάς με στατικό θόρυβο και τελικά αναδύεται η μελωδία».
Τουλάχιστον δύο άλλες ερευνητικές ομάδες έχουν εφαρμόσει μοντέλα διάχυσης για τον σχεδιασμό αντιμικροβιακών πεπτιδίων, αλλά η AMP-Diffusion υιοθετεί μια νέα προσέγγιση.
Αντί να εκπαιδεύει πρώτα τον δικό του πρωτεϊνικό «λανθάνοντα χώρο» – ένα είδος εσωτερικού χάρτη του τρόπου δομής των πρωτεϊνών – το AMP-Diffusion βασίζεται στο ESM-2, ένα ευρέως χρησιμοποιούμενο μοντέλο πρωτεϊνικής γλώσσας από την Meta που έχει εκπαιδευτεί σε εκατοντάδες εκατομμύρια φυσικές αλληλουχίες πρωτεϊνών.
Επειδή το ESM-2 διαθέτει ήδη έναν πλούσιο «νοητικό χάρτη» για το πώς οι πραγματικές πρωτεΐνες συνδυάζονται, το AMP-Diffusion δεν χρειάζεται να μάθει ξανά τη βασική βιολογία. Αυτό σημαίνει ότι μπορεί να παράγει υποψήφιες AMP πιο γρήγορα και οι εξαγωγές του είναι πιο πιθανό να ακολουθήσουν τα περίπλοκα μοτίβα που καθιστούν τα πεπτίδια αποτελεσματικά.
Η ομάδα του Chatterjee σχεδίασε επίσης το AMP-Diffusion για να συμβουλεύεται τους ενσωματωμένους κανόνες του ESM-2 ενώ παράλληλα «αφαιρεί τον θόρυβο», δίνοντας ουσιαστικά στο νέο εργαλείο έναν προπονητή που το διατηρεί προσγειωμένο στη βιολογική πραγματικότητα.
Χρησιμοποιώντας την τεχνολογία AMP-Diffusion, οι ερευνητές δημιούργησαν τις αλληλουχίες αμινοξέων για περίπου 50.000 υποψήφια φάρμακα. «Αυτά είναι πολύ περισσότερα υποψήφια φάρμακα από όσα θα μπορούσαμε ποτέ να δοκιμάσουμε», λέει ο de la Fuente. «Έτσι, χρησιμοποιήσαμε την Τεχνητή Νοημοσύνη για να φιλτράρουμε τα αποτελέσματα».
Βελτιστοποιημένο μέσω της αναζήτησης υποψήφιων αντιβιοτικών, από τις πρωτεΐνες των αρχαίων μικροβίων μέχρι εκείνες των Νεάντερταλ, το APEX 1.1, ένα εργαλείο τεχνητής νοημοσύνης που αναπτύχθηκε από το εργαστήριο του de la Fuente, κατέταξε τα υποψήφια AMPs σύμφωνα με μια σειρά κριτηρίων. Αυτά περιελάμβαναν την πρόβλεψη των αλληλουχιών που θα είχαν ισχυρή ισχύ εξόντωσης βακτηρίων, το φιλτράρισμα πεπτιδίων που ήταν πολύ παρόμοια με γνωστά AMPs και τη διασφάλιση ότι τα υπόλοιπα υποψήφια κάλυπταν ένα ευρύ φάσμα τύπων αλληλουχιών.
Αφού συνέθεσε τους 46 πιο υποσχόμενους υποψηφίους, το εργαστήριο de la Fuente τους δοκίμασε σε ανθρώπινα κύτταρα και ζωικά μοντέλα. Κατά τη θεραπεία δερματικών λοιμώξεων σε ποντίκια, δύο AMPs επέδειξαν αποτελεσματικότητα εφάμιλλη με τη λεβοφλοξασίνη και την πολυμυξίνη Β, φάρμακα εγκεκριμένα από τον FDA που χρησιμοποιούνται για τη θεραπεία ανθεκτικών στα αντιβιοτικά βακτηρίων, χωρίς ανεπιθύμητες ενέργειες.
Στο μέλλον, οι ερευνητές σκοπεύουν να βελτιώσουν το AMP-Diffusion ώστε να μπορεί να εστιάζει σε συγκεκριμένες λοιμώξεις και να βελτιώνει τις φαρμακευτικές ιδιότητες.
Για τους ερευνητές, η μελέτη αποτελεί απόδειξη της αρχής ότι η GenAI μπορεί να πάει πέρα από το να “αναζητεί” ό,τι δημιούργησε η εξέλιξη, αλλά να σχεδιάζει νέα αντιβιοτικά από την αρχή. «Τελικός στόχος μας είναι να μειώσουμε το χρόνο ανακάλυψης αντιβιοτικών από χρόνια σε μέρες,» λέει ο de la Fuente.
