هوش مصنوعی و آنتی بیوتیک‌های جدید

تصور کنید که شما یک شکارچی فسیل هستید. شما ماه‌ها در گرمای آریزونا صرف استخراج استخوان‌ها می‌کنید فقط برای این که بدانید که آنچه کشف کرده‌اید مربوط به یک دایناسور است که قبلاً کشف شده است.
 
این گونه است که اخیراً جستجوی آنتی بیوتیک‌ها نتیجه داده است. تعداد معدودی از شکارچیان آنتی بیوتیک که در آنجا وجود دارند، همان نوع آنتی بیوتیک را پیدا می‌کنند.
 
با افزایش سریع مقاومت دارویی در بسیاری از عوامل بیماری زا، آنتی بیوتیک‌های جدید به شدت مورد نیاز است. ممکن است فقط مدت کمی طول بکشد قبل از این که زخم یا خراش تهدید کننده زندگی شود. با این وجود تعداد کمی آنتی بیوتیک اخیراً وارد بازار شده است، و حتی اینها فقط انواع جزئی آنتی بیوتیک‌های قدیمی هستند.
 
در حالی که چشم اندازها تاریک به نظر می‌رسند، انقلاب اخیر در هوش مصنوعی (AI) امید جدیدی را ایجاد می‌کند. در مطالعه‌ای که در تاریخ 20 فوریه در مجله Cell منتشر شد، دانشمندان MIT و هاروارد برای کشف آنتی بیوتیکهای جدید از نوعی هوش مصنوعی به نام یادگیری عمیق استفاده کردند.
 
روش سنتی کشف آنتی بیوتیک‌ها - از عصاره خاک یا گیاه - نامزدهای جدیدی را نشان نداده است، و همچنین موانع اجتماعی و اقتصادی بسیاری برای حل این مشکل وجود دارد. برخی دانشمندان اخیراً با جستجوی DNA باکتریها به دنبال ژنهای جدید تولیدکننده آنتی بیوتیک سعی در مقابله با این مشکل دارند. برخی دیگر در مکانهای عجیب و غریب مانند بینی خود به دنبال آنتی بیوتیک هستند.
 
داروهایی که از طریق چنین روشهای غیر متعارفی یافت می‌شوند برای دستیابی به بازار با جاده ای سنگی روبرو هستند. داروهایی که در یک ظرف کشت میکروب مؤثر هستند ممکن است در بدن خوب نباشد. ممکن است آنها به خوبی جذب نشوند یا ممکن است عوارض جانبی داشته باشند. تولید این داروها در مقادیر زیاد نیز یک چالش مهم است.
 

یادگیری عمیق

یادگیری عمیق را وارد کنید. این الگوریتم‌ها بسیاری از سیستم‌های تشخیص چهره امروزی و اتومبیل‌های خودران را قدرت می‌دهند. آنها با یادگیری الگوها در داده‌ها، نحوه عملکرد نورونها در مغز ما را تقلید می‌کنند. یک نورون مصنوعی منفرد - مانند یک سنسور کوچک - ممکن است الگوهای ساده‌ای مانند خطوط یا دایره‌ها را تشخیص دهد. هالیسین نه تنها در مقابلE. coli ، باکتری‌هایی که الگوریتم هوش مصنوعی روی آن آموزش داده می‌شود، بلکه بر روی پاتوژن‌های کشنده‌تر نیز، از جمله مواردی که باعث سل و التهاب روده بزرگ می‌شوند، قوی بود. با استفاده از هزاران عدد از این نورون‌های مصنوعی، هوش مصنوعی عمیق می‌تواند کارهای بسیار پیچیده‌ای مانند تشخیص گربه‌ها در فیلم ها یا تشخیص تومور در تصاویر نمونه برداری را انجام دهد.  
تصویر: هوش مصنوعی عمیق می‌تواند چهره‌های فردی را تشخیص دهد. همین فناوری برای تشخیص آنتی بیوتیک‌های بالقوه از میان میلیون‌ها ماده شیمیایی سازگار است. Ginap.salazarb / ویکی مدیا ، CC BY-SA
 
با توجه به قدرت و موفقیت آن، تعجب آور نیست بدانید که محققانی که در حال شکار داروهای جدید هستند، هوش مصنوعی یادگیری عمیق را پذیرفته‌اند. با این وجود ساختن یک روش هوش مصنوعی برای کشف داروهای جدید امری بدیهی نیست. به طور عمده، این به این دلیل است که در زمینه هوش مصنوعی هیچ ناهار رایگانی وجود ندارد.
 
قضیه No Free Lunch (نهار رایگان وجود ندارد) اظهار می‌دارد که هیچ الگوریتمی برتری از نظر جهانی وجود ندارد. این بدان معناست که اگر یک الگوریتم در یک امر کار فوق العاده‌ای انجام می‌دهد، مثلاً در تشخیص، در یک کار متفاوت مانند کشف دارو ممکن است به طرز چشمگیری شکست خورد. از این رو محققان نمی‌توانند به راحتی از یادگیری عمیق آماده موجود در قفسه استفاده کنند.
 
تیم هاروارد- MIT از نوع جدیدی از هوش مصنوعی یادگیری عمیق به نام شبکه‌های عصبی گراف برای کشف دارو استفاده کرد. در عصر حجر هوش مصنوعی در سال 2010، مدل‌های هوش مصنوعی برای کشف دارو با استفاده از توضیحات متن مواد شیمیایی ساخته شدند. این مانند توصیف چهره فرد از طریق کلماتی مانند "چشم‌های تاریک" و "بینی بلند" است. این توصیف کنندگان متن مفید هستند اما به وضوح کل تصویر را نقاشی نمی‌کنند. روش هوش مصنوعی که توسط تیم هاروارد- MIT استفاده شده است، مواد شیمیایی را به عنوان شبکه‌ای از اتم‌ها توصیف می‌کند که به الگوریتم، تصویر کامل‌تری از مواد شیمیایی در مقایسه با آنچه توصیفات متن می‌توانند انجام دهند می‌دهد.
 

دانش بشری و لوحه‌های خالی هوش مصنوعی

با این حال، یادگیری عمیق به تنهایی برای کشف آنتی بیوتیک‌های جدید کافی نیست. باید آن را با دانش عمیق زیست شناختی عفونت‌ها همراه کرد.
 
تیم هاروارد-MIT به طور دقیق الگوریتم هوش مصنوعی را با مثال‌هایی از داروهای مؤثر و آنهایی که مفید نیستند آموزش دادند. علاوه بر این، آنها برای آموزش هوش مصنوعی از داروهایی استفاده می‌کردند که در انسان بی خطر است. آنها سپس از الگوریتم هوش مصنوعی برای شناسایی آنتی بیوتیک‌های بالقوه ایمن و در عین حال قوی از میان میلیون‌ها ماده شیمیایی استفاده کردند.
 
بر خلاف افراد، هوش مصنوعی هیچ تصور قبلی ندارد، به خصوص در مورد آنچه که یک آنتی بیوتیک باید به نظر برسد. آزمایشگاه من اخیراً با استفاده از هوش مصنوعیِ مکتب قدیم، برخی از نامزدهای غافلگیرکننده را برای معالجه سل، از جمله یک داروی ضد روانگردان را کشف کرد. با توجه به قدرت و موفقیت آن، تعجب آور نیست بدانید که محققانی که در حال شکار داروهای جدید هستند، هوش مصنوعی یادگیری عمیق را پذیرفته‌اند. در مطالعه تیم هاروارد-MIT، معدن طلای نامزدهای جدید را پیدا کردند. این داروهای کاندیدا چیزی شبیه به آنتی بیوتیک‌های موجود ندارند. یکی از کاندیداهای امیدوار کننده، هالیسین است، دارویی که برای معالجه بیماری دیابت مورد کاوش قرار می‌گیرد.
 
در کمال تعجب، هالیسین نه تنها در مقابلE. coli ، باکتری‌هایی که الگوریتم هوش مصنوعی روی آن آموزش داده می‌شود، بلکه بر روی پاتوژن‌های کشنده‌تر نیز، از جمله مواردی که باعث سل و التهاب روده بزرگ می‌شوند، قوی بود. قابل ذکر است که هالیسین در برابر Acinetobacter baumanni  مقاوم به دارو قوی بود. این باکتری در صدر لیست کشنده‌ترین پاتوژن‌های جمع آوری شده توسط مراکز کنترل و پیشگیری از بیماری‌ها قرار دارد.
 
متأسفانه، قدرت وسیع هالیسین نشان می‌دهد که ممکن است باکتری‌های بی ضرر را در بدن ما از بین ببرد. همچنین ممکن است عوارض جانبی متابولیکی داشته باشد، زیرا در ابتدا به عنوان داروی ضد دیابتی طراحی شده بود. با توجه به نیاز شدید به آنتی بیوتیک‌های جدید، این ممکن است قربانی‌های اندکی برای پرداخت هزینه‌های لازم برای نجات جان افراد باشد.
 
منبع: سریرام چاندراسکاران - University of Michigan