AI voorspelt nieuwe antibiotica tijdens onderzoek

Een nieuwe studie heeft aangetoond dat kunstmatige intelligentie (AI) een cruciale rol kan spelen bij het voorspellen van nieuwe antibiotica. Wetenschappers hebben een geavanceerd algoritme gebruikt om de wereldwijde microbiële diversiteit te doorzoeken en bijna een miljoen nieuwe moleculen te identificeren. Dit onderzoek markeert een belangrijke vooruitgang in de strijd tegen antibioticaresistentie.

Het is opnieuw een bevestiging van wat we al weten: AI kan helpen in verschillende vormen van de gezondheidszorg.

De resultaten van de studie, die woensdag zijn gepubliceerd in het tijdschrift Cell, tonen aan dat onderzoekers erin zijn geslaagd om “de volledige microbiële diversiteit op aarde – of een enorme representatie daarvan – te doorzoeken en bijna 1 miljoen nieuwe moleculen te ontdekken die verborgen liggen in deze microbiële donkere materie,” aldus César de la Fuente, een van de auteurs van de studie en professor aan de Universiteit van Pennsylvania. De la Fuente leidt de Machine Biology Group, een initiatief dat zich richt op het versnellen van biologische en medische ontdekkingen met behulp van computertechnologie.

Zonder deze technologie zouden onderzoekers traditionele methoden moeten gebruiken, zoals het verzamelen van water- en bodemmonsters, wat een tijdrovend proces is. Microben zijn namelijk overal aanwezig, van de oceaan tot de menselijke darm.

“Het zou vele jaren hebben gekost om dit te doen, maar met een algoritme kunnen we enorme hoeveelheden informatie verwerken, wat het proces aanzienlijk versnelt,” zei de la Fuente.

Met behulp van AI analyseerden wetenschappers 6.680 verbindingen en ontdekten uiteindelijk negen potentiële antibiotica, waaronder abaucin. Dit onderzoek is van groot belang voor de volksgezondheid, aangezien antimicrobiële resistentie in 2019 meer dan 1,2 miljoen doden veroorzaakte. Volgens de Wereldgezondheidsorganisatie (WHO) kan dit aantal tegen 2050 oplopen tot 10 miljoen doden per jaar.

Hoewel de la Fuente de studie beschouwt als een keerpunt in de potentiële voordelen van AI voor wetenschappelijk onderzoek, erkent hij ook de risico’s. “Kwaadwillenden zouden AI-modellen kunnen gebruiken om toxines te ontwerpen,” waarschuwt hij. Zijn laboratorium heeft strenge veiligheidsmaatregelen genomen om te voorkomen dat deze moleculen zich kunnen repliceren. Biosecurity-maatregelen waren echter niet nodig voor deze studie, omdat het om inerte moleculen ging.

De la Fuente begon ongeveer tien jaar geleden met het gebruik van AI in antibioticaonderzoek. “We hebben de ontdekking van antibiotica kunnen versnellen,” zei hij. “In plaats van jaren te moeten wachten om één kandidaat te vinden, kunnen we nu met behulp van de computer in enkele uren honderdduizenden kandidaten identificeren.”

Voordat een nieuw antibioticum door de Amerikaanse Food and Drug Administration wordt goedgekeurd, moet het een langdurig proces van laboratoriumonderzoek en klinische proeven doorlopen, wat 10 tot 20 jaar kan duren. Voor deze studie verzamelden de onderzoekers genomen en metagenomen uit openbare databases en zochten naar DNA-fragmenten met antimicrobiële activiteit. Vervolgens synthetiseerden ze 100 van deze moleculen in het laboratorium en testten ze op hun vermogen om bacteriën te doden, inclusief enkele van de gevaarlijkste pathogenen in de samenleving.

Van 79% van de onderzochte moleculen bleek dat ze ten minste één microbe konden doden, wat betekent dat ze als potentieel antibioticum kunnen dienen.

De auteurs van de studie hebben hun data en code vrij beschikbaar gesteld met als doel “de wetenschap vooruit te helpen en de mensheid te bevoordelen,” aldus de la Fuente. Hij hoopt dat zijn team en andere onderzoekers verder onderzoek zullen doen naar de beste kandidaten voor nieuwe antibiotica. “Als dat goed gaat, zullen ze fase één klinische proeven ingaan, maar we zijn daar nog ver van verwijderd,” zei hij.

Dit onderzoek is niet het enige dat significant gebruik maakt van AI in de biologie. Recent bracht Google DeepMind een nieuwe versie van AlphaFold uit, een programma dat de interactie tussen eiwitten en andere moleculen voorspelt, wat doorbraken kan opleveren in uiteenlopende velden zoals kankertherapie en gewasbestendigheid.

Lisa Messeri, een technologie-antropoloog aan Yale University, benadrukt dat hoewel machine learning en AI uitstekend zijn voor sommige wetenschappelijke projecten, ze niet voor alle projecten noodzakelijk zijn. “We vragen simpelweg dat onderzoekers blijven nadenken over wanneer ze deze methoden kiezen en niet projecten stopzetten die niet per se gebruik maken van deze gehypete tools,” zei ze in gesprek met The Guardian.

De la Fuente stelt dat AI de samenwerking tussen mensen en machines zal bevorderen, in plaats van mensen te vervangen. Anthony Gitter, een universitair hoofddocent biostatistiek en medische informatica aan de Universiteit van Wisconsin-Madison, benadrukt dat de vooruitgang in het Cell artikel te danken is aan topniveau bioinformatica onderzoek, en niet louter aan geautomatiseerde wetenschap mogelijk gemaakt door AI.