هوش مصنوعی و آنتی بیوتیک های نو - تا بینهایت

تصور کنید که شما یک شکارچی فسیل هستید. شما ماه ها در گرمای آریزونا صرف استخراج استخوان ها می کنید فقط برای این که بدانید که آنچه کشف نموده اید مربوط به یک دایناسور است که قبلاً کشف شده است.

این گونه است که اخیراً جستجوی آنتی بیوتیک ها نتیجه داده است. تعداد معدودی از شکارچیان آنتی بیوتیک که در آنجا وجود دارند، همان نوع آنتی بیوتیک را پیدا می نمایند.

با افزایش سریع مقاومت دارویی در بسیاری از عوامل بیماری زا، آنتی بیوتیک های نو به شدت مورد احتیاج است. ممکن است فقط مدت کمی طول بکشد قبل از این که زخم یا خراش تهدید نماینده زندگی گردد. با این وجود تعداد کمی آنتی بیوتیک اخیراً وارد بازار شده است، و حتی اینها فقط انواع جزئی آنتی بیوتیک های قدیمی هستند.

در حالی که چشم اندازها تاریک به نظر می رسند، انقلاب اخیر در هوش مصنوعی (AI) امید نوی را ایجاد می نماید. در مطالعه ای که در تاریخ 20 فوریه در مجله Cell منتشر شد، دانشمندان MIT و هاروارد برای کشف آنتی بیوتیکهای نو از نوعی هوش مصنوعی به نام یادگیری عمیق استفاده کردند.

روش سنتی کشف آنتی بیوتیک ها - از عصاره خاک یا گیاه - نامزدهای نوی را نشان نداده است، و بعلاوه موانع اجتماعی و مالی بسیاری برای حل این مشکل وجود دارد. بعضی دانشمندان اخیراً با جستجوی DNA باکتریها در پی ژنهای نو فراورینماینده آنتی بیوتیک سعی در مقابله با این مشکل دارند. بعضی دیگر در مکانهای عجیب و غریب مانند بینی خود در پی آنتی بیوتیک هستند.

داروهایی که به وسیله چنین روشهای غیر متعارفی یافت می شوند 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. فراوری این داروها در مقادیر زیاد نیز یک چالش مهم است.

یادگیری عمیق

یادگیری عمیق را وارد کنید. این الگوریتم ها بسیاری از سیستم های تشخیص چهره امروزی و اتومبیل های خودران را قدرت می دهند. آنها با یادگیری الگوها در داده ها، نحوه عملکرد نورونها در مغز ما را تقلید می نمایند. یک نورون مصنوعی منفرد - مانند یک سنسور کوچک - ممکن است الگوهای ساده ای مانند خطوط یا دایره ها را تشخیص دهد. هالیسین نه تنها در مقابلE. coli ، باکتری هایی که الگوریتم هوش مصنوعی روی آن آموزش داده می گردد، بلکه بر روی پاتوژن های کشنده تر نیز، از جمله مواردی که باعث سل و التهاب روده بزرگ می شوند، قوی بود. با استفاده از هزاران عدد از این نورون های مصنوعی، هوش مصنوعی عمیق می تواند کارهای بسیار پیچیده ای مانند تشخیص گربه ها در فیلم ها یا تشخیص تومور در تصاویر نمونه برداری را انجام دهد.

تصویر: هوش مصنوعی عمیق می تواند چهره های فردی را تشخیص دهد. همین فناوری برای تشخیص آنتی بیوتیک های بالقوه از میان میلیون ها 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 نو هستند، هوش مصنوعی یادگیری عمیق را پذیرفته اند. با این وجود ساختن یک روش هوش مصنوعی برای کشف داروهای نو امری بدیهی نیست. به طور عمده، این به این علت است که در زمینه هوش مصنوعی هیچ ناهار رایگانی وجود ندارد.

قضیه No Free Lunch (نهار رایگان وجود ندارد) اظهار می دارد که هیچ الگوریتمی رجحان از نظر جهانی وجود ندارد. این بدان معناست که اگر یک الگوریتم در یک امر کار فوق العاده ای انجام می دهد، مثلاً در تشخیص، در یک کار متفاوت مانند کشف دارو ممکن است به طرز چشمگیری بازنده شد. از این رو محققان نمی توانند به راحتی از یادگیری عمیق آماده موجود در قفسه استفاده نمایند.

تیم هاروارد- MIT از نوع نوی از هوش مصنوعی یادگیری عمیق به نام شبکه های عصبی گراف برای کشف دارو استفاده کرد. در عصر حجر هوش مصنوعی در سال 2010، مدل های هوش مصنوعی برای کشف دارو با استفاده از توضیحات متن مواد شیمیایی ساخته شدند. این مانند توصیف چهره فرد به وسیله کلماتی مانند چشم های تاریک و بینی بلند است. این توصیف نمایندگان متن مفید هستند اما به وضوح کل تصویر را نقاشی نمی نمایند. روش هوش مصنوعی که به وسیله تیم هاروارد- MIT استفاده شده است، مواد شیمیایی را به عنوان شبکه ای از اتم ها توصیف می نماید که به الگوریتم، تصویر کامل تری از مواد شیمیایی در مقایسه با آنچه توصیفات متن می توانند انجام دهند می دهد.

دانش بشری و لوحه های خالی هوش مصنوعی

با این حال، یادگیری عمیق به تنهایی برای کشف آنتی بیوتیک های نو کافی نیست. باید آن را با دانش عمیق زیست شناختی عفونت ها همراه کرد.

تیم هاروارد-MIT به طور دقیق الگوریتم هوش مصنوعی را با مثال هایی از داروهای مؤثر و آنهایی که مفید نیستند آموزش دادند. علاوه بر این، آنها برای آموزش هوش مصنوعی از داروهایی استفاده می کردند که در انسان بی خطر است. آنها سپس از الگوریتم هوش مصنوعی برای شناسایی آنتی بیوتیک های بالقوه ایمن و در عین حال قوی از میان میلیون ها ماده شیمیایی استفاده کردند.

بر خلاف افراد، هوش مصنوعی هیچ تصور قبلی ندارد، به خصوص در خصوص آنچه که یک آنتی بیوتیک باید به نظر برسد. آزمایشگاه من اخیراً با استفاده از هوش مصنوعیِ مکتب قدیم، بعضی از نامزدهای غافلگیرنماینده 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 نو هستند، هوش مصنوعی یادگیری عمیق را پذیرفته اند. در مطالعه تیم هاروارد-MIT، معدن طلای نامزدهای نو را پیدا کردند. این داروهای کاندیدا چیزی شبیه به آنتی بیوتیک های موجود ندارند. یکی از کاندیداهای امیدوار نماینده، هالیسین است، دارویی که برای معالجه بیماری دیابت مورد کاوش قرار می گیرد.

در کمال تعجب، هالیسین نه تنها در مقابلE. coli ، باکتری هایی که الگوریتم هوش مصنوعی روی آن آموزش داده می گردد، بلکه بر روی پاتوژن های کشنده تر نیز، از جمله مواردی که باعث سل و التهاب روده بزرگ می شوند، قوی بود. قابل ذکر است که هالیسین در برابر Acinetobacter baumanni مقاوم به دارو قوی بود. این باکتری در صدر فهرست کشنده ترین پاتوژن های جمع آوری شده به وسیله مراکز کنترل و پیشگیری از بیماری ها واقع شده است.

متأسفانه، قدرت وسیع هالیسین نشان می دهد که ممکن است باکتری های بی ضرر را در بدن ما از بین ببرد. بعلاوه ممکن است عوارض جانبی متابولیکی داشته باشد، زیرا در ابتدا به عنوان داروی ضد دیابتی طراحی شده بود. با توجه به احتیاج شدید به آنتی بیوتیک های نو، این ممکن است قربانی های اندکی برای پرداخت هزینه های لازم برای نجات جان افراد باشد.

منبع: سریرام چاندراسکاران - University of Michigan

منبع: راسخون