پژوهشگران دانشگاه ماساچوست امهرست با ترکیب یک فناوری آزمایشگاهی نوآورانه به نام PAC-MAN و یک مدل هوش مصنوعی، روشی جدید برای تسریع کشف داروهای مؤثر علیه بیماری سل (Tuberculosis) ارائه کردهاند؛ بیماریای که همچنان مرگبارترین عفونت ناشی از یک عامل میکروبی در جهان به شمار میرود و طبق آمار سازمان جهانی بهداشت در سال ۲۰۲۴ جان حدود ۱.۲۳ میلیون نفر را گرفته است.
نتایج این پژوهش که در نشریه Nature Microbiology منتشر شده، نشان میدهد سیستم جدید میتواند بهجای آزمایش تکتک ترکیبات شیمیایی، بهسرعت پیشبینی کند کدام مولکولها قادرند از سد دفاعی بسیار مقاوم باکتری مایکوباکتریوم توبرکلوزیس (Mtb) عبور کنند و به هدف دارویی تبدیل شوند.
محققان ابتدا با فناوری PAC-MAN میزان نفوذپذیری هزاران ترکیب شیمیایی را بررسی کردند. سپس این دادهها برای آموزش یک شبکه عصبی به نام MycoPermeNet به کار رفت. این مدل هوش مصنوعی تنها با تحلیل ساختار شیمیایی یک مولکول، احتمال عبور آن از غشای محافظ باکتری سل را پیشبینی میکند و حتی ویژگیهای مولکولی مؤثر در این فرایند را نیز شناسایی میکند.
باکتری سل بهدلیل داشتن غشای خارجی منحصربهفرد و بسیار مقاوم، در برابر بسیاری از آنتیبیوتیکها و حتی سیستم ایمنی بدن مقاومت بالایی دارد. همین ویژگی باعث شده توسعه داروهای جدید برای این بیماری بسیار دشوار و زمانبر باشد.
پژوهشگران میگویند ترکیب فناوری PAC-MAN با مدل MycoPermeNet نهتنها روند کشف داروهای ضدسل را بهطور چشمگیری سرعت میبخشد، بلکه میتواند احتمال یافتن ترکیبات مؤثرتر برای از بین بردن این باکتری را نیز افزایش دهد.
این پروژه با حمایت مؤسسه ملی سلامت آمریکا (NIH)، بنیاد گیتس و مؤسسه علوم زیستی کاربردی دانشگاه ماساچوست امهرست انجام شده و پژوهشگران امیدوارند این رویکرد، مسیر توسعه نسل جدید داروهای درمان سل را هموار کند.
کد خبر ۲۰۱۰۵۰۴۱۷.۸۶۹
منبع: یو مس
