I ricercatori stanno sfruttando il potenziale del deep learning per contrastare il nemico invisibile responsabile di oltre 10.000 morti annuali negli Stati Uniti
Negli annali della ricerca medica, un’innovazione epocale sta emergendo dal Massachusetts Institute of Technology (MIT), dove i ricercatori stanno sfruttando il potenziale del deep learning per contrastare il nemico invisibile responsabile di oltre 10.000 morti annuali negli Stati Uniti: lo Staphylococcus aureus resistente alla meticillina (MRSA).
Un nuovo studio, pubblicato su Nature, rivela la scoperta di una classe di composti, identificati attraverso il deep learning, capaci di eliminare l’MRSA. Ciò non solo apre nuove prospettive nella lotta contro questa minaccia letale, ma introduce anche un elemento rivoluzionario: la trasparenza nei processi decisionali del modello di intelligenza artificiale.
I ricercatori, guidati dal professor James Collins presso l’Istituto di Ingegneria Medica e Scienze (IMES) del MIT, hanno affinato il loro modello di deep learning per non solo individuare efficacemente i composti antibiotici, ma anche per comprendere quali specifiche caratteristiche chimiche guidino le previsioni del modello. Questo passo avanti apre nuove possibilità nella progettazione mirata di antibiotici più potenti.
L’MRSA, noto per causare oltre 80.000 infezioni annue negli Stati Uniti, è una delle principali sfide nella lotta contro le infezioni batteriche resistenti agli antibiotici. Tuttavia, i composti identificati in questo studio dimostrano non solo un’elevata efficacia contro l’MRSA, ma anche una tossicità notevolmente bassa verso le cellule umane, suggerendo che potrebbero essere promettenti candidati per lo sviluppo di nuovi farmaci.
Il team di ricerca ha analizzato circa 12 milioni di composti commercialmente disponibili, identificando cinque classi di composti con potenziale attività antibiotica contro l’MRSA. Di questi, due composti della stessa classe sono emersi come promettenti candidati antibiotici durante i test in laboratorio e su modelli di topi. Questi composti sono in grado di mirare alle membrane batteriche in modo selettivo, senza causare danni significativi alle membrane cellulari umane.
Le scoperte sono state condivise con Phare Bio, un’organizzazione no-profit legata al progetto Antibiotics-AI del MIT, che pianifica analisi più dettagliate delle proprietà chimiche e delle potenziali applicazioni cliniche di questi composti.
Il futuro della lotta contro le infezioni batteriche resistenti agli antibiotici sembra promettente, poiché il laboratorio di Collins continua a utilizzare l’approccio del deep learning per identificare nuovi antibiotici contro una gamma più ampia di patogeni. La trasparenza ottenuta nel processo decisionale del modello offre una guida preziosa nella progettazione di farmaci più efficaci e mirati. La rivoluzione antibiotica è in corso, e il MIT è al centro di questa epocale trasformazione.
Autore: Stefano Michienzi
Fonte: Using AI, MIT researchers identify a new class of antibiotic candidates
