Doorbraak: door onderzoekers van de University of Texas at Austin ingezette AI-geleide antibiotica tegen resistente bacteriën

AmsterdamOnderzoekers van de Universiteit van Texas in Austin hebben met behulp van kunstmatige intelligentie een nieuw antibioticum ontwikkeld dat kan helpen in de strijd tegen antibioticaresistente bacteriën. Deze bacteriën vormen wereldwijd een groot gezondheidsprobleem. De studie, gepubliceerd in Nature Biomedical Engineering, maakte gebruik van grote taalmodellen vergelijkbaar met die van ChatGPT.

Onderzoekers richtten zich aanvankelijk op Protegrin-1, een krachtig middel dat bacteriën doodt maar schadelijk is voor mensen. Ze wilden AI inzetten om dit antibioticum veiliger te maken voor menselijk gebruik. Dit leidde tot een veiligere versie genaamd bacterieel selectieve Protegrin-1.2 (bsPG-1.2). Vroege dierproeven toonden aan dat muizen die met bsPG-1.2 werden behandeld, minder bacteriën in hun organen hadden in vergelijking met de onbehandelde muizen.

De hoofdmethode omvatte:

• Meer dan 7.000 varianten van Protegrin-1 creëren.
• Modificaties identificeren zonder antibioticumactiviteit te verliezen.
• Een groot taalmodel voor eiwitten trainen om miljoenen variaties te beoordelen.
• Het team leiden naar bsPG-1.2, dat bacteriële membranen aanvalt zonder menselijke cellen te beschadigen.

Machine learning brengt aanzienlijke vooruitgang in eiwit- en peptide-engineering. Vroeger betekende het vinden van goede moleculen veel laboratoriumwerk en het afzonderlijk testen van elke molecule. Machine learning versnelt dit proces en identificeert bruikbare verbindingen sneller en effectiever.

Lees ook:

Vandaag · 14:35

AI-chatbots bieden nauwkeurige adviezen bij lage rugpijn.

AI helpt bij het ontdekken van nieuwe medicijnen door moleculen te identificeren die voor behandelingen gebruikt kunnen worden. Daarnaast verbetert het bestaande antibiotica, waardoor deze veiliger en effectiever worden. Een voorbeeld hiervan is dat de technieken die AI gebruikt om gelijksoortige woorden in teksten te groeperen, ook toepasbaar zijn op eiwitsequenties. Bij eiwitten kunnen sequenties met vergelijkbare functies, zoals het bestrijden van bacteriën, bij elkaar worden gebracht. Dit stelt onderzoekers in staat om snel effectieve varianten te vinden.

Naarmate AI zich ontwikkelt, kan het een aanzienlijke invloed hebben op de geneeskunde. Vergelijkbare technieken zouden kunnen worden toegepast op andere medicijnen, niet alleen op antibiotica. Dit kan de manier waarop we behandelingen ontwikkelen veranderen, waardoor ze sneller en op maat gemaakt om specifieke ziekteverwekkers te bestrijden worden.

Dit onderzoek toont het belang aan van samenwerking tussen verschillende vakgebieden. Door biologie, AI en machine learning te combineren, kunnen we resultaten behalen die niet mogelijk zouden zijn als deze disciplines afzonderlijk werkten. Het project kreeg steun van diverse organisaties, waaronder de National Institutes of Health en The Welch Foundation. Dit onderstreept de noodzaak van voortdurende financiering om dergelijk innovatief werk te ondersteunen.

UT Austin heeft 2024 uitgeroepen tot het Jaar van AI om het belang van kunstmatige intelligentie in verschillende vakgebieden te benadrukken. Uit dit onderzoek blijkt hoe AI kan bijdragen aan het oplossen van grote problemen zoals antibioticaresistentie en snel betere behandelingen kan bieden.