Kecerdasan Buatan Temukan Calon Antibiotik Baru

Pertama, para peneliti melatih model pembelajaran mendalam menggunakan kumpulan data yang diperluas secara substansial. Mereka menghasilkan data pelatihan ini dengan menguji sekitar 39.000 senyawa untuk mengetahui aktivitas antibiotik terhadap MRSA, dan kemudian memasukkan data ini, ditambah informasi tentang struktur kimia senyawa tersebut, ke dalam model.

"Pada dasarnya Anda dapat merepresentasikan molekul apapun sebagai struktur kimia, dan Anda juga dapat memberi tahu modelnya apakah struktur kimia tersebut bersifat antibakteri atau tidak," kata Wong.

"Model ini dilatih dengan banyak contoh seperti ini. Jika Anda kemudian memberinya molekul baru, susunan atom dan ikatan baru, hal ini dapat memberi tahu Anda kemungkinan bahwa senyawa tersebut diprediksi bersifat antibakteri," imbuh dia.

Adaptasi Algoritma

Untuk mengetahui bagaimana model tersebut membuat prediksinya, para peneliti mengadaptasi algoritma yang dikenal sebagai pencarian silsilah Monte Carlo. Cara ini yang telah digunakan untuk membantu membuat model pembelajaran mendalam lainnya, seperti AlphaGo, lebih mudah dijelaskan.

Algoritma pencarian ini memungkinkan model untuk menghasilkan tidak hanya perkiraan aktivitas antimikroba setiap molekul, namun juga prediksi substruktur molekul mana yang kemungkinan besar bertanggung jawab atas aktivitas tersebut.

Untuk lebih mempersempit kandidat obat, para peneliti melatih tiga model pembelajaran mendalam tambahan untuk memprediksi apakah senyawa tersebut beracun bagi tiga jenis sel manusia yang berbeda. Dengan menggabungkan informasi ini dengan prediksi aktivitas antimikroba, para peneliti menemukan senyawa yang dapat membunuh mikroba namun memiliki efek buruk yang minimal pada tubuh manusia.

Dengan menggunakan kumpulan model ini, para peneliti menyaring sekitar 12 juta senyawa, yang semuanya tersedia secara komersial. Dari koleksi ini, model mengidentifikasi senyawa dari lima kelas berbeda, berdasarkan substruktur kimia di dalam molekul, yang diperkirakan aktif melawan MRSA.

Para peneliti membeli sekitar 280 senyawa dan mengujinya terhadap MRSA yang ditanam di laboratorium. Langkah ini memungkinkan mereka mengidentifikasi dua, dari kelas yang sama, yang tampaknya merupakan kandidat antibiotik yang sangat menjanjikan.

"Dalam pengujian pada dua model tikus, satu model infeksi MRSA kulit dan satu model infeksi MRSA sistemik, masing-masing senyawa tersebut mengurangi populasi MRSA sebanyak 10 kali lipat," tulis Collins.

Percobaan mengungkapkan bahwa senyawa tersebut tampaknya membunuh bakteri dengan mengganggu kemampuan mereka untuk mempertahankan gradien elektrokimia melintasi membran sel mereka. Gradien ini diperlukan untuk banyak fungsi penting sel, termasuk kemampuan menghasilkan ATP (molekul yang digunakan sel untuk menyimpan energi).

Kandidat antibiotik yang ditemukan laboratorium Collins pada tahun 2020, halicin, tampaknya bekerja dengan mekanisme serupa tetapi spesifik untuk bakteri Gram-negatif (bakteri dengan dinding sel tipis). MRSA adalah bakteri Gram positif, dengan dinding sel lebih tebal.

"Kami memiliki bukti yang cukup kuat bahwa kelas struktural baru ini aktif melawan patogen Gram-positif dengan secara selektif menghilangkan kekuatan motif proton pada bakteri," kata Wong. hay/I-1