Kecerdasan Buatan Temukan Calon Antibiotik Baru

Selama beberapa tahun terakhir, Collins dan rekan-rekannya di Klinik Abdul Latif Jameel untuk Pembelajaran Mesin di fakultas Kesehatan MIT telah mulai menggunakan pembelajaran mendalam untuk mencoba menemukan antibiotik baru. Pekerjaan mereka telah menghasilkan obat yang potensial untuk melawan Acinetobacter baumannii, bakteri yang sering ditemukan di rumah sakit, dan banyak bakteri yang resisten terhadap obat lainnya.

Senyawa tersebut diidentifikasi menggunakan model pembelajaran mendalam yang dapat belajar mengidentifikasi struktur kimia yang terkait dengan aktivitas antimikroba. Model-model ini kemudian menyaring jutaan senyawa lain, menghasilkan prediksi senyawa mana yang mungkin memiliki aktivitas antimikroba kuat.

Jenis penelusuran ini telah terbukti membuahkan hasil. Namun salah satu keterbatasan pada pendekatan ini adalah modelnya bersifat "kotak hitam", yang artinya tidak ada cara untuk mengetahui fitur apa yang menjadi dasar prediksi model tersebut. Jika para ilmuwan mengetahui bagaimana model tersebut membuat prediksi, akan lebih mudah bagi mereka untuk mengidentifikasi atau merancang antibiotik tambahan.

"Apa yang ingin kami lakukan dalam penelitian ini adalah membuka kotak hitam," kata Wong. "Model-model ini terdiri dari sejumlah besar kalkulasi yang meniru koneksi saraf, dan tidak ada yang benar-benar tahu apa yang terjadi di baliknya," kata dia dikutip laman MTI.

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.
Halaman Selanjutnya....