Novo estudo prevê antibióticos potenciais no global microbioma usando aprendizado de máquina

Um novo estudo usou aprendizado de máquina para prever 🏧 possíveis novos antibióticos no global microbioma, o que, de acordo com os autores do estudo, marca uma grande avanço no 🏧 uso de inteligência artificial na pesquisa de resistência a antibióticos.

O relatório, publicado à quarta-feira na revista Cell, detalha os achados 🏧 de cientistas que utilizaram um algoritmo para minerar "a totalidade da diversidade microbiana que temos na terra - ou uma 🏧 grande representação disso - e encontrar quase 1m de novas moléculas codificadas ou escondidas luva n1 beta todo esse material escura microbiano", 🏧 disse César de la Fuente, autor do estudo e professor na Universidade da Pensilvânia. De la Fuente dirige o Grupo 🏧 de Biologia de Máquina, que visa usar computadores para acelerar descobertas luva n1 beta biologia e medicina.

Sem um algoritmo assim, disse De 🏧 la Fuente, cientistas teriam que usar métodos tradicionais, como coletar água e solo, para encontrar moléculas dentro dessas amostras. Isso 🏧 pode ser desafiador porque micróbios estão luva n1 beta todos os lugares - do oceano ao intestino humano.

"Isso teria levado muitos, muitos, 🏧 muitos, muitos anos para fazer isso, mas com um algoritmo, podemos classificar grandes quantidades de informações e apenas acelerar o 🏧 processo", disse De la Fuente.

Pesquisa urgente para a saúde pública

A pesquisa é urgente para a saúde pública, disse o autor, 🏧 porque a resistência a antibióticos causou mais de 1,2 milhões de mortes luva n1 beta 2024. Esse número pode aumentar para 10 🏧 milhões de mortes anualmente luva n1 beta 2050, de acordo com a Organização Mundial da Saúde (OMS).

Enquanto De la Fuente disse que 🏧 vê o estudo, que produziu o "esforço de descoberta de antibióticos mais amplo já", como um marco na possíveis benefícios 🏧 da inteligência artificial para a pesquisa, ele reconheceu que atores ruins poderiam potencialmente "desenvolver modelos de IA para projetar toxinas".

Ele 🏧 disse que seu laboratório implementou salvaguardas para armazená-los e garantir que as moléculas não sejam capazes de se replicar. Notavelmente, 🏧 salvaguardas de biosegurança não foram necessárias para este estudo porque essas eram "moléculas inertes".

Embora a inteligência artificial seja um assunto 🏧 quente nos últimos anos, De la Fuente disse que começou a usar AI na pesquisa de antibióticos há cerca de 🏧 uma década.

"Nós conseguimos acelerar a descoberta de antibióticos", disse De la Fuente. "Então, luva n1 beta vez de ter que esperar cinco, 🏧 seis anos para chegar com um candidato, agora, no computador, nós podemos, luva n1 beta apenas algumas horas, chegar com centenas de 🏧 milhares de candidatos".

Antes que a Administração de Alimentos e Drogas dos EUA aprove um antibiótico, ele geralmente passa por anos 🏧 de estudo por meio de pesquisa laboratorial e ensaios clínicos. Essas várias etapas podem levar de 10 a 20 anos.

Metodologia 🏧 do estudo

Para este estudo, os pesquisadores coletaram genomas e meta-genomas armazenados luva n1 beta bancos de dados públicos e procuraram trechos de 🏧 DNA que pudessem ter atividade antimicrobiana. Para validar essas previsões, eles usaram química para sintetizar 100 dessas moléculas luva n1 beta um 🏧 laboratório e, luva n1 beta seguida, testá-las para determinar se elas podiam realmente matar bactérias, incluindo "algumas das mais perigosas patógenos luva n1 beta 🏧 nossa sociedade", disse De la Fuente.

79% das moléculas, que eram representativas das 1m moléculas descobertas, podiam matar pelo menos um 🏧 microrganismo - o que significa que elas poderiam servir como um potencial antibiótico.

A resistência a antibióticos é uma preocupação crescente 🏧 devido ao uso indevido e sobreuso de antimicrobianos luva n1 beta humanos, animais e plantas, de acordo com a OMS.

Os autores do 🏧 estudo fizeram esses dados e código livremente disponíveis para qualquer pessoa acessar com o objetivo de "avançar a ciência e 🏧 beneficiar a humanidade", disse De La Fuente.