Sztuczna inteligencja może otworzyć nową drogę w walce z narastającą opornością bakterii na antybiotyki. Naukowcy ze Stanford University wykorzystali generatywny model AI Evo 2 do projektowania kompletnych genomów bakteriofagów zdolnych do niszczenia bakterii Escherichia coli. Spośród niemal 300 zsyntetyzowanych i przetestowanych fagów wyłoniono 16 szczególnie skutecznych. Ich połączenie pozwoliło pokonać oporność E. coli na naturalnego bakteriofaga ΦX174.
Z tego artykułu dowiesz się…
- Jak model sztucznej inteligencji Evo 2 zaprojektował nowe bakteriofagi zdolne do zwalczania bakterii E. coli i dlaczego może to mieć znaczenie w walce z antybiotykoopornością.
- Jak naukowcy ze Stanford University przetestowali niemal 300 nowych fagów i wybrali spośród nich 16 szczególnie skutecznych wariantów.
- Dlaczego koktajl genetycznie zróżnicowanych bakteriofagów może utrudniać bakteriom rozwój oporności i jakie wyniki uzyskano w przypadku E. coli odpornej na naturalnego faga ΦX174.
- Jak generatywna AI może wspierać rozwój nowych strategii przeciwko bakteriom opornym na leczenie, w tym potencjalnie MRSA i Pseudomonas aeruginosa.
AI zaprojektowała kompletne genomy bakteriofagów
Bakteriofagi to wirusy infekujące bakterie i wykorzystujące ich komórki do namnażania. Zdolność do selektywnego atakowania określonych bakterii sprawia, że od lat są badane jako potencjalna alternatywa lub uzupełnienie antybiotykoterapii. Zespół Briana Hie i Samuela Kinga ze Stanford University postanowił sprawdzić, czy generatywna sztuczna inteligencja może projektować nowe fagi. Punktem wyjścia był bakteriofag ΦX174, którego genom liczy mniej niż 6000 par zasad.
Badacze wykorzystali Evo 2 – model AI opracowany do analizy i generowania sekwencji DNA. Dysponując fragmentem DNA ΦX174, system tworzył propozycje kompletnych genomów nowych fagów.
W tym przypadku chcieliśmy, aby model generował cały genom od początku do końca w jednym przejściu od lewej do prawej. Nie dodawaliśmy niczego – wyjaśnia Hie, opisując proces, który wygenerował tysiące opcji dla jego zespołu. W testach laboratoryjnych kilka sugestii Evo wykazało się wyższą sprawnością niż natywny model ΦX174.
Wyniki badań opublikowano w czasopiśmie „Science”.
Prawie 300 nowych fagów trafiło do laboratorium
Kluczowym etapem projektu było przejście od generowanych komputerowo sekwencji do rzeczywistych testów biologicznych. Na podstawie propozycji Evo 2 naukowcy zsyntetyzowali niemal 300 nowych bakteriofagów, a następnie sprawdzili ich zdolność do zwalczania E. coli.
Ostatecznie wybrano 16 szczególnie skutecznych fagów. Co ważne, nie były one identyczne pod względem genetycznym. Właśnie ta różnorodność może mieć kluczowe znaczenie w przeciwdziałaniu rozwojowi oporności.
Koktajl 16 fagów pokonał oporność E. coli
Jednym z największych problemów współczesnej medycyny jest zdolność bakterii do przystosowywania się do stosowanych przeciwko nim terapii. Zjawisko to dotyczy przede wszystkim antybiotyków, ale może występować również w przypadku bakteriofagów.
Jeśli bakterie nabiorą oporności na pojedynczego faga, lek przestanie działać – powiedział Hie. „Ale jeśli w mieszance znajduje się wiele genetycznie odmiennych fagów, bakteriom trudniej będzie rozwinąć oporność na cały koktajl.
Badacze sprawdzili tę koncepcję eksperymentalnie. Połączenie 16 fagów zaprojektowanych przy wykorzystaniu AI skutecznie zwalczało bakterie, które były już odporne na naturalny ΦX174.
W artykule przedstawiliśmy dowód słuszności koncepcji, w którym pokazaliśmy, że ten koktajl 16 fagów szybko pokonuje oporność u bakterii E. coli, która jest odporna na natywny ΦX174 – powiedział Hie.
AI może przyspieszyć projektowanie fagoterapii
Tworzenie kompletnych genomów od podstaw pozostaje skomplikowane i kosztowne. Dlatego Samuel King opracował dodatkową platformę obliczeniową pozwalającą oceniać tysiące sekwencji wygenerowanych przez Evo 2 i wybierać najbardziej obiecujących kandydatów do kosztownej syntezy oraz badań laboratoryjnych.
Proces obejmował generowanie genomów, ocenę ich właściwości, selekcję najlepszych kandydatów, chemiczną syntezę DNA i testowanie biologiczne. Może to w przyszłości znacznie skrócić etap poszukiwania nowych fagów o określonych właściwościach. Zamiast ograniczać się do wirusów występujących w naturze, badacze mogliby projektować ich nowe warianty dopasowane do konkretnych bakterii.
Nie tylko E. coli. Potencjalne zastosowania są znacznie szersze
Autorzy wskazują, że podobne podejście można potencjalnie zastosować wobec innych patogenów stanowiących poważne wyzwanie dla medycyny. Wśród nich wymieniają bakterie odpowiedzialne za gruźlicę, gronkowca złocistego opornego na metycylinę (MRSA) oraz Pseudomonas aeruginosa, częstą przyczynę trudnych do leczenia zakażeń szpitalnych.
Nie oznacza to jednak, że Evo 2 stworzyło już nowy antybiotyk gotowy do zastosowania u pacjentów. Badanie jest przede wszystkim dowodem słuszności koncepcji, pokazującym, że generatywna AI może projektować biologicznie aktywne genomy fagów, które następnie funkcjonują w rzeczywistych warunkach laboratoryjnych.
Evo 2 otwiera nowe możliwości biologii projektowej
Badacze planują obecnie rozszerzać możliwości modelu na dłuższe i bardziej skomplikowane sekwencje DNA. Jednym z kierunków mogą być nawet niewielkie genomy bakterii oraz projektowanie mikroorganizmów zdolnych do produkcji leków, substancji chemicznych czy paliw.
Dla mnie największymi otwartymi pytaniami – powiedział Hie – są: W jaki sposób możemy uzyskać większą nowość genetyczną i większą kontrolę nad wynikami?
Jak dodaje Samuel King:
Jednym z najbardziej satysfakcjonujących aspektów tego projektu jest kreatywność, jaką umożliwia Evo 2 – powiedział King. Nowe możliwości w nauce stoją teraz otworem dzięki temu, co możemy osiągnąć dzięki tym modelom.
AI może stać się nowym narzędziem w walce z antybiotykoopornością
Badanie zespołu Stanford University pokazuje, że generatywna sztuczna inteligencja może nie tylko analizować istniejące dane biologiczne, ale również projektować nowe genomy zdolne do działania w żywych układach. W przypadku Evo 2 efektem były bakteriofagi skutecznie niszczące E. coli.
Szczególnie istotna może okazać się możliwość szybkiego tworzenia wielu genetycznie zróżnicowanych fagów. Jeżeli podejście zostanie potwierdzone w kolejnych badaniach, może wspierać rozwój nowych strategii przeciwko bakteriom opornym na dostępne leczenie. Do zastosowania klinicznego pozostaje jednak długa droga, obejmująca dalszą ocenę skuteczności, bezpieczeństwa oraz kontroli nad projektowanymi genomami.
Główne wnioski
- Naukowcy ze Stanford University wykorzystali generatywny model AI Evo 2 do projektowania kompletnych genomów nowych bakteriofagów zdolnych do zwalczania E. coli.
- Na podstawie sekwencji wygenerowanych przez AI zsyntetyzowano i przetestowano niemal 300 nowych fagów, z których wybrano 16 szczególnie skutecznych.
- Koktajl 16 genetycznie zróżnicowanych fagów skutecznie zwalczał E. coli odporną na naturalnego bakteriofaga ΦX174, co stanowi dowód słuszności koncepcji nowego podejścia do przeciwdziałania oporności bakterii.
- Autorzy wskazują, że podobne podejście może w przyszłości wspierać projektowanie fagów przeciwko innym groźnym bakteriom, w tym MRSA i Pseudomonas aeruginosa, choć technologia wymaga dalszych badań przed zastosowaniem klinicznym.
Źródło:
- https://www.science.org/doi/10.1126/science.aec2657
- Stanford University
