Mesterséges intelligencián alapuló algoritmusok tesztelésével segítik új antibiotikumok keresését

A kutatók megfigyelése szerint ezek az algoritmusok nem minden esetben működnek egyforma hatékonysággal, ezért nagy jelentősége van annak, hogy milyen szoftvert alkalmaznak az egyes új antimikrobiális molekulák azonosítására. A kutatás eredményeit bemutató tanulmány a Scientific Reports című folyóiratban jelent meg - olvasható az Eötvös Loránd Kutatási Hálózat (ELKH) keddi közleményben.
    
Napjainkban nagy közegészségügyi veszélyt jelentenek az antibiotikumoknak ellenálló baktériumok, így az új antibiotikumok keresése az egyik legfontosabb orvosbiológiai kutatási irány. Mivel az antibiotikum-rezisztencia kialakulása jelenleg is zajló evolúciós folyamat, e probléma megértéséhez és vizsgálatához elengedhetetlen az evolúciós megközelítés alkalmazása.
    
Amikor egy kórokozó baktériumnak antibiotikummal kell szembenéznie, általában nem sok eséllyel éli azt túl, hiszen a hatóanyag rövid úton végez vele. A baktériumok azonban nagyon gyorsan szaporodnak, génjeikben mutációk jönnek létre, és a mutációk némelyike megváltoztatja a mikroorganizmus tulajdonságait.     E megváltozott jellegzetességek között olyan is lehet, amely ellenállóbbá teszi a baktériumot az antibiotikummal szemben. Minthogy a társai elpusztulnak, a rezisztens baktérium hirtelen hatalmas evolúciós előnyre tesz szert, hiszen túlélheti az antibiotikum támadását, és a következő nemzedéket szinte kizárólag az ő utódai alkotják majd - mutatnak rá a közleményben.
    
Ez a jelenség az évmilliárdok óta zajló evolúció már ismert folyamata. A meggondolatlan antibiotikum-használat azonban az utóbbi évtizedekben felgyorsította az egyre több hatóanyagra rezisztens baktériumtörzsek megjelenését és elterjedését. Emiatt a már meglévő antibiotikumok felelősségteljes alkalmazása mellett kiemelten fontos, hogy a kutatók folyamatosan keressék azokat az újabb antimikrobiális molekulákat, amelyek helyettesíthetik a hatástalanná váltakat - hívják fel a figyelmet.
    
A közlemény szerint a természetben - főként állatok, növények szervezetében - megszámlálhatatlan antibiotikus hatású molekula található, így nem áll fenn a veszély, hogy ezek egyszer elfogynak. A problémát inkább az jelenti, hogy a lehetséges új hatóanyagok felfedezése a klasszikus molekuláris biológiai módszerekkel lassabban történik, mint ahogy a rezisztens baktériumok terjednek.
    
A mesterséges intelligencián alapuló algoritmusok segítségével azonban automatizálni lehet a kutatást, a meglévő antibiotikumok kémiai szerkezete ugyanis rávezetheti a kutatókat arra, hogy milyen molekuláris jellegzetességeket kell keresniük a lehetséges új gyógyszermolekulákban. Ezek az algoritmusok azonban nem tévedhetetlenek, ezért kiemelt fontosságú a működésük tesztelése. "Ezek az algoritmusok a fehérjék aminosavsorrendje alapján megjósolják, hogy a fehérjének lehet-e antimikrobiális hatása" - magyarázza a közleményben Rádai Zoltán, az ÖK Ökológiai és Botanikai Intézetének munkatársa, a tanulmány vezető szerzője. "Az algoritmusok a legmodernebb gépi tanulásos eljárásokat alkalmazzák, de csak a már ismert antibiotikumok jellemzői alapján képesek megbecsülni azt, hogy az ismeretlen fehérje milyen eséllyel működhet antibiotikumként" - teszi hozzá.
    
Az algoritmusok nélkülözhetetlen szerepet töltenek be a modern antibiotikum-kutatásban, hiszen a segítségükkel már a drága és körülményes laboratóriumi fázis előtt kiszűrhetők az esélyes jelöltek, ezzel a folyamat jelentősen felgyorsítható. A programok tesztelésére azért van nagy szükség, hogy meghatározható legyen, hogy azok a különféle forrásból származó, akár antibiotikumként is használható molekulákat milyen eredményesen tudják azonosítani.
    
A kutatás során több mint 1 500 ismerten antimikrobiális hatású peptid (a fehérjéknél rövidebb aminosavlánc), illetve 3 000 nem (vagy nem ismert) antimikrobiális hatású peptid felhasználásával húsz különböző algoritmus működését tesztelték. Ezzel a szakemberek célja annak a meghatározása volt, hogy e szoftverek képesek-e elkülöníteni az antimikrobiális peptideket a többitől. Emellett azt is vizsgálták, hogy a különböző algoritmusok ugyanolyan jól működnek-e, ha különböző forrásból származó molekulákat alkalmaznak.
    
"Eredményül azt kaptuk, hogy a különböző algoritmusok nemcsak átlagos sikerességükben különböztek, hanem abban is, hogy az eltérő állatcsoportokból izolált antimikrobiális peptideket milyen jól ismerik fel" - folytatja az evolúcióbiológus. Ennek alapján a kutatók a jövőben kiválaszthatják azt a szoftvert, amely az általuk vizsgált molekulára a legmegbízhatóbb eredményt képes szolgáltatni.