人工知能 (AI) の使用は、科学者が 60 年ぶりに新しい抗生物質を開発するのに役立っており、医療に関しては状況を大きく変えるものであることが証明されています。
毎年世界中で数千人が死亡している薬剤耐性菌を殺すことができる新しい化合物の発見は、抗生物質耐性との戦いの転換点となる可能性がある。
マサチューセッツ工科大学（MIT）の医工学科学教授のジェームズ・コリンズ氏は、「ここでの洞察は、特定の分子が良い抗生物質になるという予測を立てるためにモデルが何を学習しているのかを確認できるということだった」と述べた。研究著者のうち、と声明で述べた。
「私たちの研究は、これまでになかった方法で、化学構造の観点から、時間効率、資源効率が高く、機械的に洞察力に優れたフレームワークを提供します。」
結果は、自然21 人の研究者チームによる共著です。
「ブラックボックスを開く」ことを目的とした研究
このプロジェクトの背後にあるチームは、深層学習モデルを使用して、新しい化合物の活性と毒性を予測しました。
ディープ ラーニングでは、人工ニューラル ネットワークを使用して、明示的なプログラミングを行わずにデータから特徴を自動的に学習して表現します。
潜在的な薬剤候補の特定を加速し、その特性を予測し、薬剤開発プロセスを最適化するために、創薬分野での応用が増えています。
この場合、研究者らはメチシリン耐性黄色ブドウ球菌（MRSA）に焦点を当てた。
MRSA による感染症は、軽度の皮膚感染症から、肺炎や血流感染症などのより重篤で潜在的に生命を脅かす症状まで多岐にわたります。
欧州連合では毎年約15万件のMRSA感染が発生している一方、欧州疾病予防管理センター（ECDC）によると、域内では毎年約3万5000人が抗菌薬耐性感染症で死亡している。
MIT の研究者チームは、拡張されたデータセットを使用して、広範囲に拡張された深層学習モデルをトレーニングしました。
トレーニング データを作成するために、約 39,000 の化合物の MRSA に対する抗生物質活性が評価されました。その後、得られたデータと化合物の化学構造に関する詳細の両方がモデルに入力されました。
「この研究で私たちがやろうとしたのは、ブラックボックスを開くことでした。これらのモデルは、神経接続を模倣する非常に多くの計算で構成されており、内部で何が起こっているのかは誰も知りません」とポスドクのフェリックス・ウォン氏は語った。 MIT とハーバード大学で博士号を取得し、この研究の筆頭著者の 1 人です。
新しい化合物の発見
可能性のある薬剤の選択を改良するために、研究者らはさらに 3 つの深層学習モデルを採用しました。これらのモデルは、3 つの異なるタイプのヒト細胞に対する化合物の毒性を評価するために訓練されました。
これらの毒性予測と以前に決定された抗菌活性を統合することにより、研究者らは人体への害を最小限に抑えながら微生物と効果的に戦うことができる化合物を特定しました。
この一連のモデルを使用して、約 1,200 万の市販化合物がスクリーニングされました。
このモデルは、分子内の特定の化学部分構造に基づいて分類された 5 つの異なるクラスから、MRSA に対して予測される活性を示す化合物を特定しました。
その後、研究者らは約 280 種類のこれらの化合物を入手し、実験室環境で MRSA に対するテストを実施しました。このアプローチにより、同じクラスから 2 つの有望な抗生物質候補が特定されました。
2 つのマウス モデル (1 つは MRSA 皮膚感染用、もう 1 つは MRSA 全身感染用) を用いた実験では、これらの化合物のそれぞれが MRSA 集団を 10 分の 1 に減少させました。
