科学者はAIを活用して「スーパーバグ」を殺すことができる強力な新しい抗生物質を発見することに成功した

MITの研究者らは機械学習アルゴリズムを使用して、複数回の実験で強力な殺菌力を示したハリシンと呼ばれる新薬の発見に成功した。ハリシン（上段）は大腸菌が抗生物質耐性を獲得するのを防ぐことができますが、シプロフロキサシン（下段）には明らかにこの特性がありません。

[[317246]]

ディープラーニングは、細菌耐性の課題に対処するための強力なツールになると期待されています。新しいアルゴリズムによって発見された薬剤は、実験室でのテストにおいて、薬剤耐性を獲得した菌株さえも含め、さまざまな致命的な細菌を殺すのに効果的であることがわかった。このアルゴリズムは、他の 8 つのコンピューター シミュレーション テストでも有望な候補薬物分子を発見しました。

抗生物質を発見できるニューラル ネットワークをどうやって構築するのでしょうか。その答えは、直感的に考えるものとは異なるかもしれません。私たちがすべきことは、生化学の原理を段階的に教えることではなく、Google の非常に成功したチェスと囲碁のプログラム AlphaZero のように、ゼロから自由に探索できるようにすることです。

「コンピューターに事前に情報を与える必要はありません」と、MIT 生物工学部の博士研究員であるジョナサン・ストークス氏は言います。「分子と特性ラベルを入力するだけで、コンピューターが現在の状況でその分子が抗菌性があるかどうかを判断します。これに基づいて、モデルはどの分子特性が抗菌能力とより密接に関連しているか、またどの分子特性が抗生物質活性をサポートするのに優れているか、または劣っているかを学習します。」

研究者が AlphaZero プロジェクトで発見したように、適切に設計されたディープラーニング モデルは、人間の固有のルールに縛られない明確に定義された問題に直面したときに、これまでにないソリューションを迅速に開発できることがよくあります。

ストークス氏は、MIT、ハーバード大学、カナダのマクマスター大学の共著者らと共同で、分子の化学的性質を理解できるディープラーニングアルゴリズムを設計したと述べた。この場合、化学特性アルゴリズムは、シミュレートされた分子の溶解度の予測において、他のコンピュータ シミュレーション プログラムを大幅に上回りました。

ストークス氏は、最新の研究は一歩進んで、アルゴリズムのもう一つの予測化学的特性として殺菌効果をターゲットにしていると述べた。

研究チームは、FDA 承認の薬剤 1,000 種類以上と、植物や土壌からの天然化合物をいくつか選択してデータベースを構築し、それを使用してニューラル ネットワークをトレーニングしました。データベース内の 2,335 個の分子はすべて、よく知られた化学構造と、非常に明確に定義された抗菌性/非抗菌性を持っています。

モデルのトレーニングが完了した後、研究者たちは新しい医薬品データベースの分析を試み始めました。後者には、FDA によって適格医薬品として承認されているか、FDA の承認段階にある 6,000 を超える複合分子が含まれています。

ストークス氏は、研究チームは抗菌効果（ディープラーニングアルゴリズムで決定）と他の既知の抗生物質との化学的類似性（タニモトスコアの数式を使用して計算）という2つのパラメータに焦点を当てたと述べた。彼らは、ブロード研究所の薬物再利用センター内で効果的な抗生物質化合物を発見し、これらの潜在的な新しい抗生物質がこれまでに知られている抗生物質分子とは化学的に異なることを保証したいと考えています。

既知の抗生物質の構造と異なる必要がある理由は、類似の構造を持つ分子でも、菌株が発達させ続ける強力な薬剤耐性を解決できないことが証明されているからです。

このようにして、研究チームは最終的にハリシンと呼ばれるまったく新しい抗生物質分子を発見しました。ハリシンはもともと糖尿病の治療薬として開発されましたが、細菌に対してより効果的であるようで、テトラサイクリン系抗生物質やベータラクタム系抗生物質（最もよく知られているのはペニシリン）とはまったく異なる分子構造を持っています。

「ハリシンは既存の抗生物質とは全く異なるため、そのような種類の抗生物質の 1 つであると想像できます」と彼は説明します。「しかし、実際にはそうではありませんでした。これは前例のないものです。本当に素晴らしいことです。」

この目的のために、研究者らは、大腸菌などの既知のさまざまな危険な細菌に対してハリシンをテストし、既存の抗生物質では治すことのできなかった皮膚感染症を治療するためのクリームとしてハリシンを使用することを試みた。

「私たちはハリシンをマウスの皮膚に一日数回局所的に塗布しました」とストークス氏は言う。「そして、一日の処置後にマウスの体内に生きたアシネトバクター・バウマニがどれだけ残っているかを調べました。そしてハリシンが感染を根絶したことがわかりました。」

研究チームはこの成功に刺激を受け、このモデルを使用して、1億2000万以上の化学分子を含むZINC 15オンラインデータベースという、より広範なデータセットを分析しました。

彼らは、抗菌効果の要件を満たしながら、新しい分子の化学構造が既知の抗生物質から可能な限り離れていることを保証することを期待して、再び抗菌分野への攻撃を開始しました。このようにして、彼らはさらに 8 つの候補分子をスクリーニングしましたが、そのどれもが Halicin のように実験室でテストされていません。

ストークス氏は、彼の研究グループがディープラーニングモデルを使って狭域スペクトルの抗生物質を発見することに取り組んでいると語った。

「私たちは、特定の細菌病原体に対してのみ有効で、腸内細菌叢には影響を及ぼさない抗生物質を見つけるための新しいモデルを訓練している」と彼は結論付けた。

さらに、狭域スペクトル抗生物質の大きな利点は、広域スペクトル抗生物質のように深刻な薬剤耐性を引き起こす可能性が低いことだと彼は述べた。 「現在の抗生物質は、多くの異なる細菌に対して同時に作用することが多いため、抗生物質耐性の継続的な拡大につながっています。対照的に、狭域スペクトルの薬剤は、この耐性の拡大を効果的に抑制し、病気を治療する新しい持続可能な方法を模索することができます。」