به گزارش همشهری آنلاین به نقل از یورک آلرت: در مطالعه‌ای که در مجله علمی نیچر منتشر شد، محققان نشان دادند که این ترکیبات می‌توانند استافیلوکوکوس اورئوس مقاوم به متی‌سیلین (MRSA) را که در یک ظرف آزمایشگاهی و در 2مدل موشی از عفونت MRSA رشد کرده است، بکشند. این ترکیبات همچنین سمیّت بسیار کمی را در برابر سلول‌های انسانی نشان می‌دهد که آنها را تبدیل به یک کاندیدای دارویی خوب می‌کند.
یکی از نوآوری‌های کلیدی که محققان در این مطالعه به آن دست یافته‌اند، این بود که مدل یادگیری عمیق از چه نوع اطلاعاتی برای پیش‌بینی قدرت آنتی‌بیوتیک استفاده می‌کند. این دانش می‌تواند به محققان کمک کند تا داروهای دیگری را طراحی کنند که ممکن است حتی بهتر از داروهای معمول کار کنند. جیمز کالینز، پروفسور مهندسی پزشکی و علوم ترمیر، در این‌باره گفت: تحقیق ما از نظر ساختار شیمیایی و زمانی، کارآمدی و منابع بسیار حساب‌شده بود.
فلیکس وانگ، فوق دکتری IMES و اریکا ژنگ، دانشجوی سابق فارغ‌التحصیل دانشکده پزشکی هاروارد که توسط کالینز مشاوره شده بود، نویسندگان اصلی این مطالعه هستند که بخشی از پروژه آنتی‌بیوتیک-AI است. ماموریت این پروژه به رهبری کالینز، کشف کلاس‌های جدیدی از آنتی‌بیوتیک‌ها علیه 7نوع باکتری کشنده، طی 7سال است.
بیشتر بخوانید:
- این اپلیکیشن میزان آلودگی هوا را به شما نشان می دهد | موبایل شما چطور آلودگی را می سنجد؟
MRSA که سالانه بیش از میلیون‌ها نفر در دنیا را مبتلا می‌کند، اغلب باعث عفونت پوستی یا ذات‌الریه می‌شود. موارد شدید می‌تواند منجر به سپسیس که یک عفونت بالقوه کشنده در خون است، شود. این ترکیبات با استفاده از مدل‌های یادگیری عمیق شناسایی شدند که می‌توانند ساختارهای شیمیایی مرتبط با فعالیت ضدمیکروبی را بیاموزند. سپس این مدل‌ها میلیون‌ها ترکیب دیگر را غربال کرده و پیش‌بینی‌هایی را ایجاد می‌کنند که کدام‌یک ممکن است فعالیت ضدمیکروبی قوی داشته باشند.