ChatGPT przyspiesza odkrywanie antybiotyków
Dr César de la Fuente i jego zespół wykorzystują nowe narzędzia w walce z opornością na środki przeciwdrobnoustrojowe.
„To niesamowite, jak mało wiemy i jak wiele pozostało do odkrycia. Staram się przekazywać to młodym ludziom, aby zrozumieli, że przyszłość należy do nich. Niemal w ogóle nie rozumiemy otaczającego nas świata — i to jest fascynujące, bo właśnie tu może pomóc nauka”. — dr César de la Fuente
„Narzędzia takie jak ChatGPT pomagają nam przyspieszać odkrycia naukowe. Dla naukowca takiego jak ja to prawdziwy plac zabaw”.
Narastający problem
Współczesna medycyna opiera się na skutecznych antybiotykach, które pomagają nam wracać do zdrowia po powszechnych chorobach, operacjach, porodzie i nie tylko. Problem jednak narasta: bakterie zwalczane przez antybiotyki są wytrzymałe, a im częściej stosujemy te leki, tym więcej okazji mają oporne szczepy, by zyskać przewagę. Zjawisko to nazywa się opornością na środki przeciwdrobnoustrojowe (AMR). Każdego roku z bakteryjną opornością na środki przeciwdrobnoustrojowe wiąże się około 5 milionów zgonów, a do 2050 roku liczba ta ma się podwoić.
Nowe antybiotyki są niezbędne w walce z AMR, ale tradycyjna metoda, polegająca na poszukiwaniu przez naukowców aktywnych cząsteczek w glebie, roślinach i innej materii organicznej, jest czasochłonna i wymaga wielu prób i błędów. Narzędzia takie jak ChatGPT i Codex pozwalają dr. Césarowi de la Fuente i jego zespołowi stosować nowe, szybsze podejście do identyfikowania nowych cząsteczek pomocnych w walce z AMR. „Wszystko robimy w cyfrowym tempie” — mówi naukowiec.
„Często wystarczy, że wypiję kawę, a mój zespół ma już mnóstwo nowo odkrytych cząsteczek, z których może powstać kolejny antybiotyk”.
„W naszym laboratorium podejmujemy się projektów wysokiego ryzyka, ale kiedy odnosimy sukces, wyniki są zdumiewające”.
— Marcelo Der Torossian Torres
„Codex to świetny drugi pilot. Kiedy chcę coś wdrożyć, Codex potrafi wygenerować rozwiązanie w sekundę. Oszczędza mi czas i pozwala zająć się innymi rzeczami”.
— Erik Hartman
„Dla mnie jako naukowczyni prowadzącej eksperymenty opracowanie algorytmu to ogromny krok. Mogę użyć Codex do napisania skryptu i mieć pewność, że dane z każdego eksperymentu zostaną przedstawione na wykresie w ten sam sposób”.
— Angela Cesaro
Biologia jako kod
Jednym z największych przełomów dokonanych przez laboratorium de la Fuente było potraktowanie tego zagadnienia jako problemu informacyjnego: DNA, budulec życia, to po prostu kod. Narzędzia takie jak ChatGPT pomagają zespołowi opracowywać algorytmy, które szybko analizują złożone systemy kształtujące nasz świat i pozwalają w ciągu kilku godzin, a nie lat, znaleźć nowe substancje mogące stać się antybiotykami.
„Teraz możemy odkrywać nowe cząsteczki o działaniu antybiotykowym w kilka godzin zamiast w pięć czy sześć lat”.
„Dzięki Codex może dziś programować ktoś, kto nigdy wcześniej tego nie robił i nie zna się na informatyce”.
— dr César de la Fuente
Angela pracuje w laboratorium eksperymentalnym, tworząc cząsteczki do badań.
ChatGPT stał się nieodzowną częścią pracy laboratorium de la Fuente. „Stał się wspólnym mózgiem naszego laboratorium. Wie, jak poszczególni członkowie zespołu myślą o nauce, bo powierzamy mu wiele naszych pomysłów” — mówi dr de la Fuente. „Naprawdę odzwierciedla nasz sposób myślenia: to, jak tworzymy pomysły, naszą pomysłowość i wszystko, co wnosimy jako ludzie”.
Codex przełamał bariery między członkami zespołu, do którego należą zarówno naukowcy reprezentujący tradycyjne dziedziny, jak i biolodzy obliczeniowi oraz inżynierowie uczenia maszynowego. „Osoby, które pięć lat temu używałyby komputera wyłącznie do analizy danych, dziś mogą zajmować się biologią obliczeniową. Potrafią pisać algorytmy wykrywające wzorce w danych i wizualizować wyniki w sposób, który wcześniej był niemożliwy”.
„Nasz zespół jest bardzo zróżnicowany: mamy chemików, biologów i informatyków. Mamy mnóstwo utalentowanych osób pracujących w różnych dziedzinach”.
— Jianing Bai
Wizualizacja struktur molekularnych, które laboratorium de la Fuente analizuje na dużą skalę.
„AI potrafi łączyć wiedzę z różnych dziedzin, dzięki czemu możemy zadawać trafniejsze pytania i opracowywać lepsze metody rozwiązywania naprawdę trudnych problemów”.
— Tianang Leng
„Nie wykonywałbym swojej pracy należycie, gdybyśmy nie próbowali mierzyć się z ogromnymi problemami”.
Przyszłość antybiotyków
Połączenie ludzkiej pomysłowości i inteligencji maszyn pomaga wytyczać ekscytującą drogę rozwoju medycyny. „Jeszcze kilka lat temu pesymistycznie oceniałem nasze szanse na dotrzymanie kroku w wyścigu zbrojeń między AMR a zdolnością ludzkości do opracowywania nowych cząsteczek” — mówi. „Ale niektóre systemy, które ostatnio rozwijamy za pomocą narzędzi takich jak ChatGPT, dają mi dziś znacznie więcej nadziei, niż się spodziewałem”. Wszystko, co robi dr de la Fuente, służy jednemu celowi: ograniczaniu cierpienia i ratowaniu życia. „Całe życie czekałem na narzędzia, które pozwolą nam robić to, co robimy dzisiaj”.
„Przekonaliśmy się, że wiele odkrytych przez nas cząsteczek rzeczywiście potrafi niszczyć współczesne patogeny”.
— dr César de la Fuente
„Wyobraź sobie stworzoną na komputerze cząsteczkę, która może ratować życie. Myślę, że naukowcy żyją dla chwil, w których odkrywają coś, czego nie odkrył jeszcze nikt w historii świata”.