کشف یک آنتی بیوتیک جدید برای اولین بار توسط یادگیری عمیق درهوش مصنوعی

اصلی ترین نکات:

• مقاومت آنتی بیوتیکی تهدیدی جدی برای سلامت عمومی است
• دانشمندان از هوش مصنوعی برای کشف یک کلاس جدید از آنتی بیوتیک ها برای درمان عفونت های مقاوم به دارو مانند MRSA استفاده کرده اند
• این مطالعه از جستجوی مبتنی بر گرافیک برای گزینه های زیرساخت شیمیایی استفاده کرد

اولین آنتی بیوتیک با هوش مصنوعی:

برای اولین بار در 60 سال گذشته، یک کلاس جدید آنتی بیوتیک برای درمان عفونت های MRSA مقاوم در برابر دارو با استفاده از یادگیری ماشین هوش مصنوعی (AI) کشف شده است که یک پیشرفت چشمگیر برای مقابله با بحران مقاومت آنتی بیوتیکی (AMR) قلمداد می شود.

در سطح جهان، 4.95 میلیون مرگ و میر با مقاومت آنتی بیوتیکی باکتریایی مرتبط بوده و 1.27 میلیون نفر مستقیماً در اثر مقاومت آنتی بیوتیکی جان خود را از دست داده اند

این کشف مهم برای پیشرفت مراقبت های بهداشت جهانی توسط محققان وابسته به مؤسسه فناوری ماساچوست (MIT)، دانشگاه هاروارد و مؤسسه تحقیقات Broad MIT و هاروارد در کمبریج، ماساچوست انجام شده است. مقاومت آنتی بیوتیکی یک عامل اصلی مرگ و میر در سطح جهان و تهدیدی برای سلامت عمومی است. برآورد شده است که تا سال 2050، سالانه 10 میلیون نفر در اثر AMR جان خود را از دست خواهند داد.

آمار مقاومت آنتی بیوتیک:

بر اساس گزارش «بررسی مقاومت آنتی بیوتیکی» که توسط دولت بریتانیا سفارش داده شده است. در سطح جهان، 4.95 میلیون مرگ و میر با مقاومت آنتی بیوتیک ضد باکتری مرتبط بوده و 1.27 میلیون نفر مستقیماً در اثر مقاومت آنتی بیوتیکی جان خود را از دست داده اند. بر اساس مطالعه ای که در سال 2019 در مجله The Lancet منتشر شد، در ایالات متحده، سالانه بیش از 2.8 میلیون عفونت مقاوم در برابر آنتی بیوتیک و 35000 مرگ بر اثر آن رخ می دهد.

برآورد شده است که تا سال 2050، سالانه 10 میلیون نفر در اثر AMR جان خود را از دست خواهند داد

تعریف مقاومت آنتی بیوتیکی:

بر اساس گزارش "تهدیدهای مقاومت آنتی بیوتیکی در ایالات متحده، 2019" توسط مرکز کنترل و پیشگیری بیماری (CDC) ایالات متحده، آنتی بیوتیک ها موادی هستند که رشد میکروارگانیسم هایی مانند ضد ویروسی ها، ضد انگل ها، آنتی بیوتیک ها و ضد قارچ ها را از بین می برند یا مهار می کنند. مقاومت آنتی بیوتیکی (AMR) زمانی اتفاق می افتد که میکروب ها جهش یا سازگار شوند و آنتی بیوتیک ها را بی اثر کنند. این فرآیند طبیعی می تواند با استفاده نادرست یا بیش از حد، منجر به ایجاد مقاومت در برابر ویروس ها، باکتری ها، انگل ها و قارچ های مضر در برابر داروهای ضد میکروبی و آنتی بیوتیک ها شود. به عنوان مثال، تجویز بیش از حد آنتی بیوتیک ها برای انسان و استفاده بیش از حد در خوراک دام منجر به ایجاد سویه های باکتری مقاوم در برابر دارو شده است.

مقاومت آنتی بیوتیکی از مسیر دام و طیور:

طبق گزارش "A Review of Antibiotic Use in Food Animals: Perspective, Policy, and Potential" توسط Landers و همکاران، 88% خوک ها با آنتی بیوتیک هایی مانند تتراسایکلین ها یا تایلوزین تغذیه می شوند، 42% گوساله های گوشتی با تایلوزین تغذیه می شوند، و تقریباً تمام گاوهای شیری مقادیر پیشگیرانه پس از شیردهی آنتی بیوتیک هایی مانند پنی سیلین ها، بتا-لاکتام ها یا سفالوسپورین ها دریافت می کنند. طبق گزارش "Global Antimicrobial Resistance and Use Surveillance System (GLASS) 2022" توسط سازمان بهداشت جهانی (WHO)، میانگین میزان مقاومت در 76 کشور برای MRSA 35% و برای سالمونلا اشریشیا کولی (E.coli) مقاوم در برابر سفالوسپورین نسل سوم بیش از 40% است. Staph، که به عنوان Staphylococcus aureus (S. aureus) شناخته می شود، یک باکتری گرم مثبت است که باعث طیف وسیعی از عفونت ها در انسان مانند عفونت های پوستی، سپسیس و ذات الریه کشنده می شود. MRSA در سال 2019 بیش از 120000 نفر را در سراسر جهان کشته است.

استفاده از شبکه های عصبی گرافیکی:

طبق گزارش January 2022 institute for Health Metrics and Evaluation. «مطالعه ما نشان می دهد که شبکه های عصبی گرافیکی می توانند با استفاده از جستجوی گرافی برای دلایل ساختار شیمیایی که پیش بینی های مدل را تکرار می کنند، بهتر درک و توضیح داده شوند»، جیمز کلنس، استاد MIT، Ph.D.، و نویسندگان مطالعه نوشتند. دانشمندان از یک پلت فرم هوش مصنوعی(AI) برای شبکه های عصبی گرافیکی (GNN) به نام Chemprop استفاده کردند. شبکه های عصبی گرافیکی هوش مصنوعی از اطلاعات موجود در پیوندهای مولکولی و اتم های هر مولکول برای ایجاد پیش بینی های خود استفاده می کنند. شبکه های عصبی گرافیکی شبکه های عصبی مصنوعی هستند که می توانند ساختارهای داده گرافیکی را پردازش کنند تا به کارهای پیش بینی، تجزیه و تحلیل و طبقه بندی بپردازند.