Nedavno je pionirska metoda mašinskog učenja identifikovala nekoliko novih potencijanih antibiotika iz skupa od preko 100 miliona molekula. Neke od ovih molekula djeluju protiv bakterije koja uzrokuje tuberkulozu, dok su druge efikasne i za rezistentne infekcije i sojeve bakterija s kojima se danas ne možemo boriti. Jednu od tih molekula naučnici su nazvali halicin, u čast fiktivnom kompjuteru HAL 9000 iz filma „2001: Odiseja u svemiru“.
Tim, koji su predvodili biolog Jim Collins sa MIT i Jonathan Stokes sa MIT i Harvarda, u februaru 2020. je objavio rad u časopisu Cell u kojem pokazuju rezultate rada na mogućnostima da deep learning i machine learning modeli predviđaju antibiotsku aktivnost molekula, bez ljudskog inputa. Iz Colinsonovog tima naglašavaju kako se ovaj model može koristiti ne samo za otkrivanje novih potencijalnih antibiotika, nego i za traženje molekula koje mogu imati terapeutska svojstva i kod neurodegenerativnih bolesti.
Sam halicin je djelotvoran za veliku skupinu patogena, poput uzročnika tuberkuloze, Mycobacterium tuberculosis te niz enterobakterija. Na ovaj način je otkriveno još osam molekule čija se struktura razlikuje od do sada poznatih antibiotika, ali bi bile efikasne u borbi protiv bakterija, naročito onih rezistentnih na antibiotike.
Danas je rezistencija patogenih bakterija na antibiotike, uz klimatske promjene, jedan od najvećih problema čovječanstva. Ona nastaje zbog toga što bakterije brzo mutiraju i evoluiraju tako da jednostavno „premoste“ mehanizam preko kojeg ih neka molekula uništava.
Istovremeno, farmaceutske kompanije su smakle svoj fokus sa otkrivanja novih antibotika već neko vrijeme i zbog toga dugo nije otkriven i komercijalno proizveden niti jedan novi antibiotik. U proteklom periodu je skrining bakterija koje žive u zemljištu doveo do otkrića niza novih antibiotskih molekula, pomoću kojih same bakterije smanjuju populacije kompetitivnih bakterija, ali industrijski nije proizveden niti jedan novi antibiotik. Također, mana ovakvih metode skrininga je to što su spore. Istovremeno, predviđa se kako će broj smrtnih slučajeva usljed infekcija izazvanih antibiotik-rezistetnim sojevima bakterija u 2050. godini iznositi čak oko 10 miliona.
Kako bi pronašli nove antibiotike, naučnici su prvo „trenirali“ algoritam dubokog učenja (deep learning) da prepoznaje tipove molekula koje ubijaju bakterije. Da bi to učinili, davali su programu informacije o strukturama, vezama i atomskih karakteristikama preko 2500 lijekova i prirodnih spojeva. Cilj ovoga je bilo da algoritam uoči sheme u molekularnim svojstvima tvari koji su karakteristični za antibiotike i koji su se pokazali kao mehanizmi preko kojih ove tvari djeluju na patogene.
Nakon što su algoritam naučili koje molekularne osobine daju dobre antibiotike, naučnici su algoritam postavili da radi na biblioteci zvanoj Drug Repurposing Hub s više od 6 000 spojeva koji se testiraju kao lijekovi za liječenje različitih ljudskih bolesti i zatražili da im algoritam predvidi koje bi molekule bile dobre u borbi protiv Escherichia coli, ali istovremeno imaju strukturu drugačiju od konvencionalnih antibiotika.
Upravo je u ovom setu molekula algoritam izdvojio i jedan lijek koji se testira kao lijek za dijabetes kao mogući antibiotik. Supstanca je dobila ime halicin, kao omaž čuvenom filmskom kompjuteru HAL-u, a pokazalo se kako je efikasna ne samo za Escherichia coli, nego i za Clostridioides difficile i za soj Acinetobacter baumannii, na koji ne djeluje niti jedan od danas komercijalno dostupnih antibiotika.
Dejstvo halicina je potpuno drugačije od mehanizama djelovanja ostalih poznatih antibiotika i toga čini veoma važnim budućim lijekom. Naime, većina antibiotika se bazira na tome da stvara perforacije (doslovno – rupe) u ćelijskoj membrani bakterija ili remete mehanizme popravke DNK. Suprotno tome, halicin djeluje tako što ometa protok protona kroz ćelijsku membranu, što je biohemijski proces važan za proizvodnju energije u ćelijama.
U laboratorijskim uslovima rezistencija na antibiotike se pojave već nakon par dana istraživanja, međutim, u testovima halicina, rezistencija se nije pojavila ni nakon 30 dana.
Istraživanje efikasnosti halicina nije kraj ove priče: naučnici su algoritmu dali da uradi skrining oko 107 miliona molekula iz baze podataka zvane ZINC15. Algoritam je izdvojio 23 molekule kao potencijalne antbiotike, a naučnici su poslije u testovima iz njih izdvojili podskup od 8 molekula koje imaju obećavajuća antibiotska svojstva. Lov na potencijalne antibiotike iz skupa od preko 107 miliona molekula bi bio nemoguć bez algoritma.
Ovaj rad je dokaz kako je ovaj koncept pronalaženja lijekova moguć i kako je brži nego sadašnji načini skrininga. Primjena ovakve metode bi smanjila vrijeme i trošak potreban za pronalaženje fiziološki aktivnih supstanci, što bi ubrzalo stvaranje komercijalno dostupnog medikamenta.
