AI ทำนายกลไกการทำงานของยาใน 100 วินาที ช่วยนักวิจัยประหยัด 1.94 ล้านดอลลาร์สหรัฐและ 18 เดือน

นักวิจัยจาก McMaster University และ MIT ได้บรรลุความก้าวหน้าที่อาจเปลี่ยนแปลงวิธีการค้นพบยาใหม่ของเรา พวกเขาใช้ปัญญาประดิษฐ์เพื่อทำนายวิธีการทำงานของยาปฏิชีวนะใหม่ในเวลาเพียง 100 วินาที ซึ่งเป็นกระบวนการที่ปกติใช้เวลาถึงสองปีและมีค่าใช้จ่ายประมาณ 2 ล้านดอลลาร์สหรัฐ

เรื่องราวเริ่มต้นเมื่อทีมงานค้นพบ enterololin ซึ่งเป็นยาปฏิชีวนะใหม่ที่ออกแบบมาเพื่อต่อสู้กับโรคลำไส้อักเสบเช่นโรค Crohn แตกต่างจากยาปฏิชีวนะสเปกตรัมกว้างทั่วไปที่กำจัดทั้งแบคทีเรียดีและแบคทีเรียเสีย ยาใหม่นี้มุ่งเป้าไปที่แบคทีเรียที่เป็นอันตรายในตระกูล Enterobacteriaceae เท่านั้น รวมถึง E. coli

รายละเอียดทางเทคนิคที่สำคัญ

• ชื่อยา: Enterololin
• เป้าหมาย: โปรตีนเชิงซ้อน LolCDE ในแบคทีเรีย Enterobacteriaceae
• โมเดล AI: DiffDock (โมเดลการแพร่กระจายสำหรับการจับคู่โปรตีน-ลิแกนด์)
• เวลาในการทำนาย: 100 วินาที
• โรคเป้าหมาย: โรคอักเสบของลำไส้ (โรค Crohn's โรค ulcerative colitis)
• ประเภทยา: ยาปฏิชีวนะแบบแคบสเปกตรัม
• ระยะเวลาสู่การทดลองในมนุษย์: 3 ปี (คาดการณ์)

AI แทนที่การทำงานในห้องปฏิบัติการที่มีราคาแพง

นวัตกรรมที่แท้จริงเกิดขึ้นเมื่อนักวิจัยต้องการเข้าใจกลไกการทำงานของยา ซึ่งโดยพื้นฐานแล้วคือวิธีที่ยาโจมตีแบคทีเรียที่ก่อให้เกิดโรค แทนที่จะใช้เวลาหลายเดือนในห้องปฏิบัติการ พวกเขาหันไปใช้ DiffDock ซึ่งเป็นโมเดล AI ที่พัฒนาที่ MIT AI ทำนายว่า enterololin โจมตีคอมเพล็กซ์โปรตีนที่เรียกว่า LolCDE ซึ่งแบคทีเรียบางชนิดต้องการเพื่อความอยู่รอด

การทำนายนี้พิสูจน์ว่าถูกต้องเมื่อนักวิจัยตรวจสอบผ่านการทดสอบในห้องปฏิบัติการแบบดั้งเดิม แนวทางที่ได้รับการชี้นำโดย AI มีค่าใช้จ่ายเพียง 60,000 ดอลลาร์สหรัฐและใช้เวลาหกเดือน เมื่อเทียบกับค่าใช้จ่าย 2 ล้านดอลลาร์สหรัฐและระยะเวลาสองปีตามปกติ

อย่างไรก็ตาม การอภิปรายในชุมชนเผยให้เห็นความสงสัยเกี่ยวกับความแปลกใหม่ของการค้นพบนี้ ผู้เชี่ยวชาญบางคนชี้ให้เห็นว่าจุดอ่อนของ LolCDE ใน E. coli เป็นที่รู้จักมาตั้งแต่ก่อนปี 2016 และสารยับยั้งที่คล้ายกันเช่น globomycin ก็มีอยู่มาตั้งแต่ปี 1978 สิ่งนี้ทำให้เกิดคำถามว่า AI เพียงแค่เชื่อมโยงความรู้ที่มีอยู่แล้วหรือทำการค้นพบใหม่อย่างแท้จริง

การเปรียบเทียบต้นทุนและระยะเวลา: การวิจัยยาแบบดั้งเดิมเทียบกับแบบ AI

เกินกว่าการจับรูปแบบง่ายๆ

ระบบ AI ที่ใช้ในการวิจัยนี้แตกต่างอย่างมีนัยสำคัญจากแชทบอทเช่น ChatGPT DiffDock เป็นโมเดลดิฟฟิวชันที่ได้รับการฝึกฝนเฉพาะเจาะจงเกี่ยวกับโครงสร้างโปรตีน ออกแบบมาเพื่อทำนายว่าโมเลกุลมีปฏิสัมพันธ์กับเป้าหมายทางชีววิทยาอย่างไร สิ่งนี้แสดงถึงการประยุกต์ใช้ AI ที่เชี่ยวชาญมากขึ้นในการวิจัยทางวิทยาศาสตร์

การใช้ AI ในการค้นพบยาส่วนใหญ่เกี่ยวกับการค้นหาพื้นที่ทางเคมี การระบุโมเลกุลใหม่ที่อาจมีฤทธิ์ สิ่งที่เราแสดงให้เห็นที่นี่คือ AI ยังสามารถให้คำอธิบายเชิงกลไกได้ ซึ่งมีความสำคัญอย่างยิ่งสำหรับการนำโมเลกุลผ่านกระบวนการพัฒนา

นักวิจัยเน้นย้ำว่า AI ทำหน้าที่เป็นเครื่องมือในการชี้นำการสืบสวนของมนุษย์ ไม่ใช่การแทนที่ พวกเขายังคงดำเนินการทดสอบมาตรฐานทั้งหมดในห้องปฏิบัติการเพื่อตรวจสอบการทำนายของ AI แต่การมีเป้าหมายเฉพาะเจาะจงในการสืบสวนช่วยขจัดการเดาเสี่ยงที่ใช้เวลาหลายเดือน

ผลกระทบในโลกแห่งความจริงสำหรับผู้ป่วย

สำหรับผู้ที่ทุกข์ทรมานจากโรคลำไส้อักเสบ การวิจัยนี้ให้ความหวังสำหรับตัวเลือกการรักษาที่ดีกว่า ยาปฏิชีวนะสเปกตรัมกว้างในปัจจุบันสามารถทำให้ IBD แย่ลงโดยการทำลายแบคทีเรียที่เป็นประโยชน์ในลำไส้ ทำให้เกิดโอกาสสำหรับสายพันธุ์ที่ดื้อยาเข้ามาครอบครอง

แนวทางสเปกตรัมแคบของ enterololin สามารถช่วยฟื้นฟูสมดุลของแบคทีเรียที่มีประโยชน์ในลำไส้โดยไม่มีผลข้างเคียงที่เป็นอันตราย ยานี้ได้รับใบอนุญาตแล้วโดย Stoked Bio ซึ่งเป็นบริษัทแยกย่อยที่มีเป้าหมายจะนำยานี้เข้าสู่การทดลองในมนุษย์ภายในสามปี

การวิจัยแสดงให้เห็นว่า AI สามารถเร่งการค้นพบยาได้อย่างไรเมื่อใช้อย่างเหมาะสม ในฐานะเครื่องมือที่ซับซ้อนเพื่อสร้างสมมติฐานที่สามารถทดสอบได้ แทนที่จะเป็นการแทนที่การตรวจสอบทางวิทยาศาสตร์อย่างระมัดระวัง แม้ว่าชีววิทยาพื้นฐานอาจไม่ใหม่ทั้งหมด แต่ความเร็วและการประหยัดค่าใช้จ่ายสามารถช่วยนำการรักษาไปสู่ผู้ป่วยที่ต้องการอย่างยิ่ง

อ้างอิง: New antibiotic targets IBD — and AI predicted how it would work before scientists could prove it