Ako výskumník využíva Codex a ChatGPT na hľadanie nových antimikrobiálnych molekúl

Mikróby odolné voči liekom vrátane baktérií, húb, parazitov a vírusov predstavujú čoraz väčšiu globálnu hrozbu. V roku 2021 súviselo⁠(otvorí sa v novom okne) s antimikrobiálnou rezistenciou baktérií približne päť miliónov úmrtí. Odhaduje sa, že do roku 2050 sa tento ročný počet zhruba zdvojnásobí. Hľadanie molekúl s potenciálom stať sa antimikrobiálnymi látkami môže trvať roky. Výskumníci využívajú AI na urýchlenie tejto počiatočnej fázy objavovania.

„Antimikrobiálna rezistencia je podľa mňa jednou z najväčších existenčných hrozieb pre ľudstvo,“ povedal César de la Fuente⁠(otvorí sa v novom okne), bioinžinier, ktorého interdisciplinárne laboratórium hľadá kandidátov na antimikrobiálne látky. „Napriek tomu sme už 50 rokov nemali novú triedu antibiotík.“

Veľká časť súčasného vývoja antimikrobiálnych látok sa sústreďuje na úpravu existujúcich liekov alebo skúmanie známych tried chemických látok. Takýto prístup však prináša čoraz menší úžitok.

Laboratórium de la Fuente začína na oveľa menej preskúmanom mieste: pri kóde života. Základnou myšlienkou tejto práce je, že biológia predstavuje informačný systém. „Nukleotidy, z ktorých sa skladá DNA, a aminokyseliny tvoriace proteíny a peptidy sú niečo ako abeceda,“ povedal de la Fuente. „Vnímanie biológie ako informácie nám umožnilo vyvinúť metódy, ktoré začínajú dešifrovať organizačné princípy života vedúce k vzniku funkčnej molekuly.“

Modely hlbokého učenia v laboratóriu sa trénujú na rozpoznávanie vzorcov v biologických sekvenciách. Vďaka tomu dokážu vo veľkých súboroch genomických a proteínových údajov hľadať potenciálne antimikrobiálne látky. Tento prístup môže skrátiť počiatočné hľadanie kandidátnych molekúl z rokov na hodiny.

Popri vlastných modeloch AI laboratórium využíva ChatGPT a Codex na rozvíjanie hypotéz, písanie a zdokonaľovanie kódu, spracovanie súborov údajov, analýzu výsledkov a prepájanie myšlienok z rôznych vedeckých odborov.

Jasne objasnenú funkciu má iba zlomok genómu a ešte menej jeho častí kóduje molekuly schopné bojovať proti infekčným mikróbom. Úlohou je identifikovať vzorce, vďaka ktorým je molekula funkčná, teda biologicky aktívna, a potom určiť, ktoré molekuly majú potenciál bojovať proti infekčným mikróbom.

Vedci už dlho hľadajú antimikrobiálne látky v rastlinách, živočíchoch, mikróboch, hmyze, vode a pôde. Odoberajú vzorky, izolujú alebo predpovedajú kandidátne molekuly a opakovane ich testujú v procese, ktorý môže trvať roky.

Digitálne databázy genómov a proteínov dnes vedcom umožňujú hľadať nové zlúčeniny naprieč celým stromom života, čím sa výrazne rozširuje rozsah údajov dostupných na skúmanie. Takéto množstvo informácií však prináša aj vlastné výzvy: medzi nesmiernym počtom možností treba nájsť sľubné signály.

AI sa na túto úlohu hľadania ihly v kope sena hodí mimoriadne dobre. Dokáže prehľadávať obrovské súbory údajov, odhaľovať vzorce, ktoré by si výskumníci nemuseli všimnúť, a vybrať zvládnuteľný počet kandidátov na experimentálne testovanie.

Identifikovanie sľubného kandidáta však ešte neznamená, že sa z neho stane účinný liek.

Vedci musia najprv potvrdiť, že kandidátna molekula ničí cieľový mikrób, určiť množstvo potrebné na dosiahnutie účinku a otestovať jej vplyv na ľudské bunky. Chemici ju potom môžu optimalizovať, aby zvýšili jej účinnosť, bezpečnosť alebo stabilitu.

Ďalšie testy posudzujú dávku, pri ktorej sa kandidát stáva toxickým, ako ľahko si mikróby vytvárajú voči molekule rezistenciu a ako kandidát prechádza organizmom. Tímy určujú aj spoľahlivý spôsob výroby molekuly. Kandidáti, ktorí tieto prekážky prekonajú, musia ešte absolvovať regulačné posúdenie a klinické skúšania, kým sa môžu dostať k pacientom ako schválené antimikrobiálne lieky.

Pre de la Fuente je to dôvod, prečo sa AI a laboratórna biológia musia rozvíjať spoločne. „Na overenie predpovedí AI sú nevyhnutné experimenty založené na reálnych údajoch,“ povedal. „Ak chceme v nasledujúcich rokoch ďalej aspoň poodhaľovať naše chápanie biológie, ktorá je tým najzložitejším, čo existuje, bude to pre biologické vedy rozhodujúce.“

Jeho laboratórium hľadá kandidátne molekuly v genómoch živých aj vyhynutých organizmov. Prehľadávanie týchto genómov, pochopenie vzniku a fungovania proteínov, ktoré kódujú, a určovanie úloh týchto molekúl si vyžaduje odborné znalosti z viacerých oblastí.

„Sme výrazne transdisciplinárna skupina, takže máme ľudí z biológie, chémie, informatiky aj inžinierstva,“ povedal de la Fuente. Niektorí členovia laboratória sú zdatní programátori, no menej sa vyznajú v biológii či chémii, a platí to aj naopak. Codex a ChatGPT pomáhajú tieto medzery preklenúť: biológovia vďaka nim môžu vytvárať programy a programátori riešiť biologické problémy. V tomto zmysle AI odstraňuje prekážky medzi vedeckými odbormi.

Členom laboratória pomáha oboznámiť sa s témami, ktoré potrebujú pri interdisciplinárnej práci, objasňovať terminológiu, porovnávať metódy z rôznych odborov a usporadúvať nápady pri objavovaní liečiv. Ďalší využívajú AI na sťahovanie, usporadúvanie a predbežné spracovanie rozsiahlych súborov genomických údajov. ChatGPT zároveň umožňuje členom laboratória pracovať v ich rodných jazykoch, čím odstraňuje prekážky a urýchľuje ich pracovné postupy.

De la Fuente využíva ChatGPT ako partnera pri hľadaní nápadov. Nápady naďalej rozvíja s kolegami, no oceňuje, že mu AI pomáha formulovať hypotézy. Páči sa mu aj to, že má jediným kliknutím prístup k informáciám z celého sveta.

„Do nášho pracovného priestoru ChatGPT prispievajú všetci títo rôzni ľudia, ktorí o problémoch, čo sa snažíme riešiť, premýšľajú odlišne,“ povedal de la Fuente. Členovia laboratória doň vkladajú svoje dobré aj zlé nápady, a tak slúži ako akási spoločná platforma na ich overovanie a rozvíjanie.

Zároveň však varuje pred spoliehaním sa výlučne na AI. „Presnosť si, samozrejme, treba vždy dôkladne overiť,“ povedal de la Fuente.

Napriek tomu oceňuje, že AI pomáha výskumníkom skúmať hranice medzi vedeckými odbormi. „Práve tam čakajú objavy. V podstate sa nachádzajú na hraniciach medzi odbormi, kam sa vydáva len veľmi málo ľudí.“

Túto prácu vníma ako súčasť oveľa dlhšej vedeckej tradície. „Pri spoznávaní sveta okolo nás sme sa vždy spoliehali na nástroje a stroje,“ povedal de la Fuente. „Ďalekohľad nám ukázal vesmír a mikroskop odhalil svet neviditeľného.“ Stroje dnes pomáhajú výskumníkom porozumieť biológii, predvídať ju a cielene ju upravovať. „A práve o tom je naša práca,“ povedal.