Hurtigere opdagelse af antibiotika med ChatGPT
Dr. César de la Fuente og hans team bruger nye værktøjer i kampen mod antimikrobiel resistens.
»Det er utroligt at tænke på, hvor lidt vi ved, og hvor meget der stadig er at opdage. Jeg prøver at formidle det til unge mennesker, så de forstår, at fremtiden tilhører dem. Vi forstår næsten intet om verden – og det er spændende, for det er her, videnskaben kan hjælpe.« —dr. César de la Fuente
»Værktøjer som ChatGPT hjælper os med at fremskynde videnskabelige opdagelser. Det er virkelig en legeplads for en forsker som mig.«
Et voksende problem
Moderne medicin er afhængig af effektive antibiotika, som hjælper os med at komme os efter almindelige sygdomme, operationer, fødsler og meget mere. Men der er et voksende problem: De bakterier, som antibiotika bekæmper, er modstandsdygtige, og jo mere antibiotika vi bruger mod dem, desto større mulighed får resistente stammer for at blive dominerende. Det kaldes antimikrobiel resistens (AMR). Omkring fem millioner dødsfald er hvert år forbundet med bakteriel AMR, og det tal forventes at være fordoblet i 2050.
Nye antibiotika er afgørende for bekæmpelsen af AMR, men den traditionelle metode, hvor forskere tager ud i naturen og undersøger jord, planter og andet organisk materiale for at finde aktive molekyler, er tidskrævende og præget af forsøg og fejl. Værktøjer som ChatGPT og Codex gør det muligt for dr. César de la Fuente og hans team at bruge en ny og hurtigere metode til at finde nye molekyler i kampen mod AMR. »Vi gør alting med digital hastighed,« siger han.
»Ofte når jeg kun at drikke en kop kaffe, før mit team allerede har opdaget en masse nye molekyler, der kan blive det næste antibiotikum.«
»Vores laboratorium påtager sig højrisikoprojekter, men når det lykkes, er resultaterne fantastiske.«
—Marcelo Der Torossian Torres
»Codex er en fantastisk co-pilot. Når jeg vil implementere noget, kan Codex bare levere det på et øjeblik. Det sparer mig tid og giver mig mulighed for at lave andre ting.«
—Erik Hartman
»Som eksperimentel forsker er det et kæmpe skridt for mig at udvikle en algoritme. Jeg kan bruge Codex til at skrive et script og sikre, at mine data kan afbildes på samme måde i alle eksperimenter.«
—Angela Cesaro
At behandle biologi som kode
Et af de store gennembrud i de la Fuente-laboratoriet er, at de behandler problemet som et informationsproblem: DNA, livets byggesten, er blot kode. Værktøjer som ChatGPT hjælper dem med at udvikle algoritmer, der hurtigt kan gennemgå de komplekse systemer, som definerer vores verden, og finde nye antibiotikakandidater på få timer i stedet for flere år.
»Nu kan vi opdage nye antibiotiske molekyler på få timer i stedet for på fem eller seks år.«
»Med Codex kan en person, der aldrig før har programmeret og ikke forstår datalogiens sprog, nu gøre det.«
—dr. César de la Fuente
Angela arbejder i vådlaboratoriet med at fremstille molekyler, der skal testes.
ChatGPT er blevet en central del af arbejdsgangen i de la Fuente-laboratoriet. »Det er blevet laboratoriets fælles hjerne. Det ved, hvordan forskellige medlemmer af teamet tænker om videnskab, fordi vi lægger mange af vores idéer derind,« siger dr. de la Fuente. »Det indfanger virkelig vores måde at tænke på: vores idéskabelse, vores opfindsomhed og det, vi bidrager med som mennesker.«
Codex har nedbrudt barrierer mellem teammedlemmerne, der spænder fra traditionelle forskere til beregningsbiologer og maskinlæringsingeniører. »Folk, der for fem år siden aldrig ville have brugt en computer til andet end dataanalyse, kan nu arbejde med beregningsbiologi. De kan skrive algoritmer, der finder mønstre i deres data, eller visualisere deres resultater på måder, som tidligere var umulige.«
»Vi er et meget alsidigt laboratorium med kemikere, biologer og dataloger. Vi har så mange talenter, der arbejder inden for forskellige områder.«
—Jianing Bai
En visualisering af de molekylestrukturer, som de la Fuente-laboratoriet søger efter i stor skala.
»AI kan forbinde viden fra forskellige fagområder og hjælpe os med at stille bedre spørgsmål og udvikle bedre metoder til at løse virkelig vanskelige problemer.«
—Tianang Leng
»Jeg ville ikke passe mit arbejde, hvis vi ikke forsøgte at løse enorme problemer.«
Fremtidens antibiotika
Kombinationen af menneskelig opfindsomhed og maskinintelligens er med til at udstikke en spændende kurs for lægevidenskabens fremtid. »Selv for blot et par år siden var jeg pessimistisk med hensyn til vores evne til at følge med i kapløbet mellem AMR og menneskehedens evne til at udvikle nye molekyler,« siger han. »Men nogle af de systemer, vi på det seneste har udviklet med værktøjer som ChatGPT, giver mig nu langt mere håb, end jeg havde forventet.« For dr. de la Fuente tjener alt, hvad han gør, ét eneste mål: at mindske lidelse og redde liv. »Jeg har hele mit liv ventet på værktøjer, der gør det muligt for os at gøre det, vi gør i dag.«
»Vi har set, at mange af de molekyler, vi har opdaget, faktisk er i stand til at dræbe nutidige patogener.«
—dr. César de la Fuente
»Forestil dig et molekyle, som du har skabt på en computer, og som kan redde liv. Jeg tror, at forskere lever for de øjeblikke, hvor man opdager noget, som ingen før har opdaget.«