Peneliti MIT menggunakan AI untuk merancang dua antibiotik baru, NG1 dan DN1, yang berhasil menargetkan gonore resisten obat dan MRSA pada tikus, menyoroti potensi AI untuk mengubah penemuan antibiotik.
Peneliti Massachusetts Institute of Technology (MIT) telah menggunakan AI untuk mengembangkan dua antibiotik baru yang efektif melawan gonore yang resisten terhadap obat dan MRSA, yang berpotensi menawarkan strategi baru untuk melawan infeksi yang bertanggung jawab atas jutaan kematian setiap tahunnya.
Dengan memanfaatkan algoritma AI generatif, tim tersebut menciptakan lebih dari 36 juta senyawa potensial dan menyaringnya secara komputasi untuk aktivitas antimikroba. Kandidat yang paling menjanjikan secara struktural unik dibandingkan dengan antibiotik yang ada dan tampaknya bertindak melalui mekanisme yang belum pernah terlihat sebelumnya yang mengganggu membran sel bakteri. Metode ini memungkinkan penghasilan dan evaluasi senyawa yang benar-benar baru, dan para peneliti berniat untuk memperluas pendekatan ini untuk merancang antibiotik yang menargetkan spesies bakteri lainnya.
Sebagian besar antibiotik baru yang disetujui dalam 45 tahun terakhir adalah variasi dari obat yang sudah ada, sementara resistensi bakteri terus meningkat, menyebabkan hampir 5 juta kematian setiap tahun.
Untuk mengatasi hal ini, Proyek Antibiotik-AI MIT memanfaatkan AI untuk mengeksplorasi baik senyawa yang ada maupun molekul baru yang sepenuhnya hipotetis. Menggunakan model pembelajaran mesin yang dilatih untuk memprediksi aktivitas antibakteri, tim pertama-tama menyaring jutaan fragmen kimia, mengeliminasi yang kemungkinan beracun atau mirip dengan antibiotik yang ada.
Mereka kemudian menerapkan dua algoritma AI generatif: CReM, yang memodifikasi molekul dengan menambahkan, mengganti, atau menghapus atom dan kelompok, dan F-VAE, yang membangun molekul utuh dari fragmen berdasarkan pola kimia yang dipelajari. Proses yang didorong oleh AI ini menghasilkan sekitar 7 juta kandidat molekul, yang kemudian disaring secara komputasi untuk aktivitas terhadap N. gonorrhoeae
Dari sini, sekitar 1.000 senyawa telah diseleksi, 80 di antaranya dapat disintesis, dan satu senyawa, NG1, menunjukkan aktivitas yang kuat terhadap N. gonorrhoeae yang resisten obat dalam studi laboratorium dan tikus dengan menargetkan protein yang penting untuk sintesis membran bakteri, yang mewakili mekanisme aksi yang baru.
Studi Putaran Kedua Menggunakan AI Generatif Untuk Mengeksplorasi Ruang Kimia Novel
Dalam studi lanjutan, para peneliti memanfaatkan AI generatif untuk merancang molekul baru yang sepenuhnya menargetkan bakteri Gram-positif S. aureus. Menggunakan algoritma CReM dan F-VAE, tim memungkinkan AI untuk menghasilkan senyawa tanpa batasan fragmen, hanya dipandu oleh aturan kimia yang mengatur kombinasi atom.
Pendekatan berbasis AI ini menghasilkan lebih dari 29 juta molekul kandidat. Tim kemudian menerapkan filter komputasi untuk menghapus senyawa yang diprediksi beracun, tidak stabil, atau mirip dengan antibiotik yang ada, mengurangi jumlahnya menjadi sekitar 90 kandidat yang layak.
Dari 22 molekul yang dapat disintesis dan diuji, enam menunjukkan aktivitas antibakteri yang kuat terhadap S. aureus yang resisten terhadap beberapa obat dalam uji laboratorium. Senyawa utama, DN1, berhasil mengatasi infeksi kulit MRSA dalam model tikus.
Kemampuan AI untuk secara otonom menjelajahi ruang kimia yang luas memungkinkan penemuan molekul dengan mekanisme baru, secara luas mengganggu membran sel bakteri daripada menargetkan satu protein.
Phare Bio, mitra nonprofit dalam Proyek Antibiotik-AI, kini sedang mengoptimalkan NG1 dan DN1 untuk studi pra-klinis lebih lanjut. Tim penelitian bermaksud untuk menerapkan platform desain berbasis AI ini pada patogen lain, termasuk Mycobacterium tuberculosis dan Pseudomonas aeruginosa.
Sementara resistensi bakteri terus melampaui pengobatan yang ada, penelitian ini menunjukkan bahwa AI dapat menjelajahi area ruang kimia yang sebelumnya belum dipetakan, menawarkan peluang untuk mengalihkan pengembangan antibiotik dari respons reaktif ke desain strategis yang proaktif.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
MIT Menggunakan AI Generatif Untuk Mengembangkan Dua Antibiotik Novel yang Menargetkan Gonore Resisten Obat dan MRSA
Secara Singkat
Peneliti MIT menggunakan AI untuk merancang dua antibiotik baru, NG1 dan DN1, yang berhasil menargetkan gonore resisten obat dan MRSA pada tikus, menyoroti potensi AI untuk mengubah penemuan antibiotik.
Peneliti Massachusetts Institute of Technology (MIT) telah menggunakan AI untuk mengembangkan dua antibiotik baru yang efektif melawan gonore yang resisten terhadap obat dan MRSA, yang berpotensi menawarkan strategi baru untuk melawan infeksi yang bertanggung jawab atas jutaan kematian setiap tahunnya.
Dengan memanfaatkan algoritma AI generatif, tim tersebut menciptakan lebih dari 36 juta senyawa potensial dan menyaringnya secara komputasi untuk aktivitas antimikroba. Kandidat yang paling menjanjikan secara struktural unik dibandingkan dengan antibiotik yang ada dan tampaknya bertindak melalui mekanisme yang belum pernah terlihat sebelumnya yang mengganggu membran sel bakteri. Metode ini memungkinkan penghasilan dan evaluasi senyawa yang benar-benar baru, dan para peneliti berniat untuk memperluas pendekatan ini untuk merancang antibiotik yang menargetkan spesies bakteri lainnya.
Sebagian besar antibiotik baru yang disetujui dalam 45 tahun terakhir adalah variasi dari obat yang sudah ada, sementara resistensi bakteri terus meningkat, menyebabkan hampir 5 juta kematian setiap tahun.
Untuk mengatasi hal ini, Proyek Antibiotik-AI MIT memanfaatkan AI untuk mengeksplorasi baik senyawa yang ada maupun molekul baru yang sepenuhnya hipotetis. Menggunakan model pembelajaran mesin yang dilatih untuk memprediksi aktivitas antibakteri, tim pertama-tama menyaring jutaan fragmen kimia, mengeliminasi yang kemungkinan beracun atau mirip dengan antibiotik yang ada.
Mereka kemudian menerapkan dua algoritma AI generatif: CReM, yang memodifikasi molekul dengan menambahkan, mengganti, atau menghapus atom dan kelompok, dan F-VAE, yang membangun molekul utuh dari fragmen berdasarkan pola kimia yang dipelajari. Proses yang didorong oleh AI ini menghasilkan sekitar 7 juta kandidat molekul, yang kemudian disaring secara komputasi untuk aktivitas terhadap N. gonorrhoeae
Dari sini, sekitar 1.000 senyawa telah diseleksi, 80 di antaranya dapat disintesis, dan satu senyawa, NG1, menunjukkan aktivitas yang kuat terhadap N. gonorrhoeae yang resisten obat dalam studi laboratorium dan tikus dengan menargetkan protein yang penting untuk sintesis membran bakteri, yang mewakili mekanisme aksi yang baru.
Studi Putaran Kedua Menggunakan AI Generatif Untuk Mengeksplorasi Ruang Kimia Novel
Dalam studi lanjutan, para peneliti memanfaatkan AI generatif untuk merancang molekul baru yang sepenuhnya menargetkan bakteri Gram-positif S. aureus. Menggunakan algoritma CReM dan F-VAE, tim memungkinkan AI untuk menghasilkan senyawa tanpa batasan fragmen, hanya dipandu oleh aturan kimia yang mengatur kombinasi atom.
Pendekatan berbasis AI ini menghasilkan lebih dari 29 juta molekul kandidat. Tim kemudian menerapkan filter komputasi untuk menghapus senyawa yang diprediksi beracun, tidak stabil, atau mirip dengan antibiotik yang ada, mengurangi jumlahnya menjadi sekitar 90 kandidat yang layak.
Dari 22 molekul yang dapat disintesis dan diuji, enam menunjukkan aktivitas antibakteri yang kuat terhadap S. aureus yang resisten terhadap beberapa obat dalam uji laboratorium. Senyawa utama, DN1, berhasil mengatasi infeksi kulit MRSA dalam model tikus.
Kemampuan AI untuk secara otonom menjelajahi ruang kimia yang luas memungkinkan penemuan molekul dengan mekanisme baru, secara luas mengganggu membran sel bakteri daripada menargetkan satu protein.
Phare Bio, mitra nonprofit dalam Proyek Antibiotik-AI, kini sedang mengoptimalkan NG1 dan DN1 untuk studi pra-klinis lebih lanjut. Tim penelitian bermaksud untuk menerapkan platform desain berbasis AI ini pada patogen lain, termasuk Mycobacterium tuberculosis dan Pseudomonas aeruginosa.
Sementara resistensi bakteri terus melampaui pengobatan yang ada, penelitian ini menunjukkan bahwa AI dapat menjelajahi area ruang kimia yang sebelumnya belum dipetakan, menawarkan peluang untuk mengalihkan pengembangan antibiotik dari respons reaktif ke desain strategis yang proaktif.