Kā pētnieks ar Codex un ChatGPT meklē jaunas antimikrobiālas molekulas

Pret zālēm rezistenti mikroorganismi, tostarp baktērijas, sēnītes, parazīti un vīrusi, kļūst par aizvien lielāku globālu apdraudējumu. Aptuveni pieci miljoni nāves gadījumu 2021. gadā bija saistīti⁠(atveras jaunā logā) ar baktēriju rezistenci pret antimikrobiālajiem līdzekļiem, un tiek prognozēts, ka līdz 2050. gadam šis ikgadējais skaits gandrīz divkāršosies. Lai atrastu molekulas, no kurām varētu izstrādāt antimikrobiālos līdzekļus, var paiet gadi. Pētnieki izmanto MI, lai paātrinātu šo atklāšanas sākumposmu.

“Manuprāt, rezistence pret antimikrobiālajiem līdzekļiem ir viens no lielākajiem eksistenciālajiem draudiem cilvēcei,” sacīja bioinženieris Cēzars de la Fuente⁠(atveras jaunā logā), kura starpdisciplinārā laboratorija meklē potenciālus antimikrobiālos līdzekļus. “Tomēr jau 50 gadus nav radīta neviena jauna antibiotiku klase.”

Mūsdienās antimikrobiālo līdzekļu izstrādē galvenokārt pārveido esošās zāles vai pēta jau zināmas ķīmisko vielu klases. Taču šāda pieeja dod arvien mazāku atdevi.

De la Fuentes laboratorija sāk daudz mazāk izpētītā vietā — dzīvības kodā. Darba pamatā ir ideja, ka bioloģija ir informācijas sistēma. “Nukleotīdi, kas veido DNS, un aminoskābes, kas veido olbaltumvielas un peptīdus, savā ziņā līdzinās alfabētam,” sacīja de la Fuente. “Bioloģijas uztveršana par informāciju ļāva mums izstrādāt metodes, ar kurām var sākt atšifrēt dzīvības organizācijas principus, kas radījuši funkcionālu molekulu.”

Laboratorijas dziļās mašīnmācīšanās modeļi ir apmācīti atpazīt likumsakarības bioloģiskajās sekvencēs, tāpēc tie var milzīgās genomu un olbaltumvielu datu kopās meklēt potenciālus antimikrobiālos līdzekļus. Šī pieeja potenciālo molekulu sākotnējo meklēšanu var saīsināt no vairākiem gadiem līdz dažām stundām.

Papildus saviem MI modeļiem laboratorija izmanto ChatGPT un Codex, lai apspriestu hipotēzes, rakstītu un uzlabotu kodu, apstrādātu datu kopas, analizētu rezultātus un sasaistītu dažādu zinātnes nozaru idejas.

Tikai nelielai genoma daļai ir skaidri izprasta funkcija, un vēl mazāka daļa kodē molekulas, kas spēj cīnīties ar infekciju izraisošiem mikroorganismiem. Uzdevums ir noteikt likumsakarības, kas molekulu padara funkcionālu jeb bioloģiski aktīvu, un pēc tam noskaidrot, kuras molekulas varētu apkarot infekciju izraisošus mikroorganismus.

Zinātnieki jau sen meklē antimikrobiālus līdzekļus augos, dzīvniekos, mikroorganismos, kukaiņos, ūdenī un augsnē. Viņi ievāc paraugus, izolē vai prognozē potenciālās molekulas un tās pārbauda iteratīvā procesā, kas var ilgt gadiem.

Digitālās genomu un olbaltumvielu datubāzes tagad ļauj zinātniekiem meklēt jaunus savienojumus visā dzīvības kokā, ievērojami paplašinot izpētei pieejamo datu klāstu. Taču informācijas pārpilnība rada arī jaunus izaicinājumus — starp neskaitāmām iespējām jāatrod daudzsološi signāli.

MI ir īpaši piemērots šim adatas meklēšanas siena kaudzē uzdevumam. Tas var pārskatīt milzīgas datu kopas, atklāt pētniekiem grūti pamanāmas likumsakarības un eksperimentālai pārbaudei atlasīt pārvaldāmu potenciālo molekulu kopu.

Tomēr daudzsološas molekulas atrašana vēl nenozīmē, ka tā kļūs par efektīvām zālēm.

Zinātniekiem vispirms jāapstiprina, ka potenciālā molekula iznīcina mērķa mikroorganismu, jānosaka efektīvai iedarbībai vajadzīgais daudzums un jāpārbauda tās ietekme uz cilvēka šūnām. Pēc tam ķīmiķi var optimizēt molekulu, lai uzlabotu tās efektivitāti, drošumu vai stabilitāti.

Turpmākajās pārbaudēs novērtē devu, pie kuras potenciālā molekula kļūst toksiska, to, cik viegli mikroorganismiem veidojas rezistence pret šo molekulu, un tās pārvietošanos organismā. Komandas arī izstrādā uzticamu molekulas ražošanas metodi. Potenciālajām molekulām, kas pārvarējušas šos šķēršļus, vēl jāiztur regulatīvā izvērtēšana un klīniskie pētījumi, pirms tās kā apstiprinātas antimikrobiālās zāles var nonākt pie pacientiem.

De la Fuente uzskata, ka tieši tāpēc MI un laboratorijas bioloģijai jāattīstās kopā. “Lai apstiprinātu MI prognozes, būtiski ir eksperimenti reālos apstākļos,” viņš sacīja. “Turpmākajos gados tas būs izšķiroši svarīgi dzīvības zinātnēs, ja vēlamies turpināt kaut nedaudz paplašināt izpratni par bioloģiju — vissarežģītāko no pastāvošajām sistēmām.”

Viņa laboratorija dzīvu un izmirušu organismu genomos meklē potenciālas molekulas. Lai pētītu šos genomus, izprastu, kā veidojas un darbojas tajos kodētās olbaltumvielas, un noteiktu šo molekulu funkcijas, vajadzīgas zināšanas vairākās nozarēs.

“Mūsu grupa ir izteikti transdisciplināra — tajā strādā bioloģijas, ķīmijas, datorzinātnes un inženierzinātņu speciālisti,” sacīja de la Fuente. Daži laboratorijas darbinieki ir spēcīgi programmētāji, taču mazāk pārzina bioloģiju vai ķīmiju, un otrādi. Codex un ChatGPT palīdz pārvarēt šīs zināšanu plaisas, ļaujot biologiem veidot programmas, bet programmētājiem — risināt bioloģijas problēmas. Šādi MI mazina šķēršļus starp zinātnes nozarēm.

Tas palīdz laboratorijas darbiniekiem apgūt starpdisciplinārajam darbam vajadzīgās, bet mazāk pazīstamās tēmas, precizēt terminoloģiju, salīdzināt dažādu nozaru metodes un strukturēt idejas zāļu atklāšanai. Citi izmanto MI, lai lejupielādētu, sakārtotu un priekšapstrādātu lielas genomu datu kopas. ChatGPT arī ļauj laboratorijas darbiniekiem strādāt dzimtajā valodā, mazinot šķēršļus un paātrinot darba procesus.

De la Fuente izmanto ChatGPT kā ideju apspriešanas partneri. Viņš turpina attīstīt idejas kopā ar kolēģiem, taču augstu vērtē MI spēju palīdzēt formulēt hipotēzi. Viņam patīk arī iespēja ar vienu pogas klikšķi piekļūt pasaules informācijai.

“Mūsu ChatGPT darbvietā idejas sniedz daudzi dažādi cilvēki, kuri atšķirīgi raugās uz problēmām, ko cenšamies atrisināt,” sacīja de la Fuente. Laboratorijas darbinieki tajā ievada gan savas labās, gan sliktās idejas, tādējādi padarot to par sava veida kopīgu ideju pārbaudes vidi.

Tomēr viņš brīdina, ka nedrīkst paļauties tikai uz MI. “Protams, vienmēr jāpārbauda informācijas pareizība,” sacīja de la Fuente.

Vienlaikus viņš augstu vērtē MI spēju palīdzēt pētniekiem izzināt zinātnes nozaru robežzonas. “Tieši tur gaida vēl neatklāti izrāvieni. Būtībā tie atrodas nozaru saskares punktos, kurus pēta tikai retais.”

Viņš šo darbu uzskata par daļu no daudz senākas zinātniskās tradīcijas. “Lai izprastu apkārtējo pasauli, mēs vienmēr esam izmantojuši rīkus un iekārtas,” sacīja de la Fuente. “Teleskops izgaismoja kosmosu, bet mikroskops atklāja neredzamo pasauli.” Tagad iekārtas palīdz pētniekiem izprast, prognozēt un mērķtiecīgi pārveidot bioloģiskās sistēmas. “Tieši tam ir veltīts mūsu darbs,” viņš sacīja.