Kako istraživač s pomoću alata Codex i ChatGPT traži nove antimikrobne molekule

Mikroorganizmi otporni na lijekove, uključujući bakterije, gljivice, parazite i viruse, sve su veća globalna prijetnja. Oko pet milijuna smrtnih slučajeva 2021. bilo je povezano⁠(otvara se u novom prozoru) s bakterijskom antimikrobnom otpornošću, a predviđa se da će se taj godišnji broj do 2050. približno udvostručiti. Pronalaženje molekula koje bi mogle postati antimikrobni lijekovi može trajati godinama. Istraživači se koriste umjetnom inteligencijom kako bi ubrzali ovu ranu fazu otkrivanja.

„Prema mojem mišljenju, antimikrobna otpornost jedna je od najvećih egzistencijalnih prijetnji čovječanstvu”, rekao je César de la Fuente⁠(otvara se u novom prozoru), bioinženjer čiji interdisciplinarni laboratorij traži potencijalne antimikrobne lijekove. „Pa ipak, već 50 godina nismo dobili novu klasu antibiotika.”

Suvremeni razvoj antimikrobnih lijekova uglavnom je usmjeren na preinaku postojećih lijekova ili pretraživanje poznatih klasa kemijskih spojeva. No taj pristup daje sve slabije rezultate.

Laboratorij de la Fuentea počinje na mnogo manje istraženom mjestu: u kodu života. Temeljna je ideja ovog rada da je biologija informacijski sustav. „Nukleotidi od kojih se sastoji DNK te aminokiseline od kojih se sastoje proteini i peptidi nalik su nekoj vrsti abecede”, rekao je de la Fuente. „Promatranje biologije kao informacije omogućilo nam je razvoj metoda koje mogu početi odgonetati načela ustroja života iz kojih je nastala funkcionalna molekula.”

Laboratorijski modeli dubokog učenja obučeni su za prepoznavanje obrazaca u biološkim sekvencama, što im omogućuje pretraživanje golemih skupova podataka o genomima i proteinima u potrazi za mogućim antimikrobnim lijekovima. Taj pristup može skratiti početnu potragu za potencijalnim molekulama s nekoliko godina na nekoliko sati.

Uz vlastite modele umjetne inteligencije laboratorij se koristi alatima ChatGPT i Codex za osmišljavanje hipoteza, pisanje i poboljšavanje koda, obradu skupova podataka, analizu rezultata te povezivanje ideja iz različitih znanstvenih disciplina.

Samo mali dio genoma ima jasno shvaćenu funkciju, a još manji dio kodira molekule koje se mogu boriti protiv zaraznih mikroorganizama. Izazov je prepoznati obrasce koji molekulu čine funkcionalnom, odnosno biološki aktivnom, a zatim utvrditi koje molekule imaju potencijal za borbu protiv zaraznih mikroorganizama.

Znanstvenici već dugo traže antimikrobne tvari u biljkama, životinjama, mikroorganizmima, kukcima, vodi i tlu. Prikupljaju uzorke, izdvajaju ili predviđaju potencijalne molekule te ih ispituju u ponavljajućem procesu koji može trajati godinama.

Digitalne baze podataka o genomima i proteinima sada znanstvenicima omogućuju da diljem stabla života traže nove spojeve, čime se znatno proširuje opseg podataka dostupnih za istraživanje. No to obilje informacija donosi vlastite izazove: pronalaženje obećavajućih signala među golemim brojem mogućnosti.

Umjetna inteligencija osobito je prikladna za ovu potragu za iglom u plastu sijena. Može pregledati goleme skupove podataka, prepoznati obrasce koje bi istraživači teško uočili te izdvojiti prihvatljiv broj najvažnijih kandidata za eksperimentalno ispitivanje.

No prepoznavanje obećavajućeg kandidata ne znači nužno da će on postati učinkovit lijek.

Znanstvenici najprije moraju potvrditi da potencijalna molekula uništava ciljani mikroorganizam, utvrditi količinu potrebnu za učinkovitost i ispitati kako utječe na ljudske stanice. Kemičari je zatim mogu optimizirati kako bi poboljšali njezinu učinkovitost, sigurnost ili stabilnost.

Daljnjim ispitivanjima procjenjuje se doza pri kojoj kandidat postaje toksičan, koliko brzo mikroorganizmi razvijaju otpornost na molekulu i kako se kandidat kreće tijelom. Timovi također utvrđuju pouzdan način proizvodnje molekule. Kandidati koji svladaju te prepreke ipak moraju proći regulatornu procjenu i klinička ispitivanja prije nego što kao odobreni antimikrobni lijekovi postanu dostupni pacijentima.

Za de la Fuentea upravo zato umjetna inteligencija i laboratorijska biologija moraju napredovati zajedno. „Eksperimentalna provjera stvarnih rezultata ključna je za potvrđivanje predviđanja umjetne inteligencije”, rekao je. „To će u nadolazećim godinama biti presudno za znanosti o životu želimo li nastaviti barem zagrebati površinu razumijevanja biologije, najsloženije pojave koja postoji.”

Njegov laboratorij u genomima živih i izumrlih organizama traži potencijalne molekule. Pretraživanje tih genoma, razumijevanje nastanka i djelovanja proteina koje kodiraju te utvrđivanje funkcije tih molekula zahtijeva stručnost iz nekoliko područja.

„Mi smo izrazito transdisciplinarna skupina pa imamo stručnjake iz biologije, kemije, računalne znanosti i inženjerstva”, rekao je de la Fuente. Neki članovi laboratorija izvrsni su programeri, ali manje znaju o biologiji ili kemiji, i obratno. Codex i ChatGPT pomažu premostiti te razlike, omogućujući biolozima da izrađuju programe, a programerima da rješavaju biološke probleme. U tom smislu umjetna inteligencija uklanja prepreke između znanstvenih disciplina.

Pomaže članovima laboratorija upoznati teme potrebne za interdisciplinarni rad, razjasniti terminologiju, usporediti metode iz različitih područja i organizirati ideje za otkrivanje lijekova. Drugi se koriste umjetnom inteligencijom za preuzimanje, organiziranje i prethodnu obradu velikih skupova genomskih podataka. ChatGPT članovima laboratorija omogućuje i rad na materinskim jezicima, uklanjajući prepreke i ubrzavajući njihove radne procese.

De la Fuente se koristi alatom ChatGPT kao partnerom za razmjenu ideja. Ideje i dalje razvija s kolegama, ali cijeni sposobnost umjetne inteligencije da mu pomogne oblikovati hipotezu. Sviđa mu se i što jednim klikom može pristupiti informacijama iz cijelog svijeta.

„Naš radni prostor u alatu ChatGPT prima doprinose svih tih različitih ljudi koji na različite načine promišljaju probleme koje pokušavamo riješiti”, rekao je de la Fuente. Članovi laboratorija iznose mu svoje dobre i loše ideje pa služi kao svojevrsna zajednička platforma za njihovu razradu.

Ipak, upozorava da se ne treba oslanjati samo na umjetnu inteligenciju. „Naravno, uvijek morate dodatno provjeriti točnost”, rekao je de la Fuente.

Unatoč tome, cijeni sposobnost umjetne inteligencije da istraživačima pomogne istraživati granice između znanstvenih disciplina. „Upravo ondje čekaju otkrića. Ona se zapravo nalaze na rubovima između područja, kamo zalazi vrlo malo ljudi.”

Taj rad smatra dijelom mnogo dulje znanstvene tradicije. „Oduvijek smo se oslanjali na alate i strojeve kako bismo razumjeli svijet oko sebe”, rekao je de la Fuente. „Teleskop je rasvijetlio svemir, a mikroskop otkrio svijet nevidljivoga.” Strojevi danas pomažu istraživačima razumjeti, predviđati i projektirati biologiju. „Upravo je to bit našeg rada”, rekao je.