Niedawne badanie pokazuje, jak narzędzia sztucznej inteligencji można wykorzystać do odszyfrowania sieci zjadliwości bakterii. Wiele bakterii chorobotwórczych używa molekularnej „strzykawki” do wstrzykiwania wielu swoich białek, zwanych efektorami, do komórek jelitowych, blokując w ten sposób kluczowe odpowiedzi immunologiczne.
Teraz międzynarodowy zespół naukowców z Wielkiej Brytanii, Izraela i Hiszpanii, z udziałem Politechniki w Madrycie (UPM), połączył siły, aby wspólnie przeanalizować wszystkie te cząsteczki białek, łącząc eksperymenty laboratoryjne i narzędzia sztucznej inteligencji (AI). .
Sztuczną inteligencję można wykorzystać do odszyfrowania sieci zjadliwości bakterii
Autorzy, którzy opublikowali swoje badanie w czasopiśmie Science, wykorzystali 100 wariantów mysiej bakterii Citrobacter rodentium do modelowania funkcji efektorów. Odkryli, że działają razem jako sieć, umożliwiając mikrobowi dużą elastyczność w unikaniu układu odpornościowego i utrzymaniu jego patogenności.
Platforma AI poprawnie przewidziała wyniki kolonizacji alternatywnych sieci na podstawie danych in vivo. Naukowcy z UPM, profesor AI Alfonso Rodríguez-Patón i doktorantka Elena Núñez Berrueco wykorzystali dane zebrane w laboratorium do zbudowania modelu uczenia maszynowego.
Naukowcy testują narzędzia AI
Liczba możliwych kombinacji efektorów przekracza miliard, więc zbadanie wszystkich wariantów zajęłoby ponad tysiąc lat badań eksperymentalnych. Właśnie tam pojawia się sztuczna inteligencja, aby zmienić zasady i umożliwić rozszyfrowanie tego złożonego mechanizmu. Algorytm opracowany w UPM jest w stanie przewidzieć zdolność zakaźną dowolnego wariantu po zapoznaniu się ze wzorcami 100 eksperymentów laboratoryjnych.
„Badając tak złożony system biologiczny, sztuczna inteligencja jest w stanie dostrzec to, co nie jest oczywiste dla naszych oczu” – wyjaśnia Núñez. „Prognozy pomagają nam zidentyfikować najbardziej odpowiednie kombinacje efektorów, a tym samym zaoszczędzić czas i zasoby. Możemy użyć tego modelu, aby przewidzieć, czy i jak nowy szczep, z inną kombinacją efektorów niż te badane, może manipulować naszymi komórkami ”.
Algorytm jest inspirowany sztucznymi sieciami neuronowymi, ale zawiera wiedzę o celach efektorów. Architektura tej sieci ma pewną osobliwość: zamiast być ogólną, ma taki sam kształt jak sieć biologicznych interakcji efektorów ze składnikami naszych komórek. Umożliwiło to wytrenowanie sieci z bardzo małą liczbą przypadków, czego wynikiem jest model z interpretowalnymi wynikami (tzw. Wyjaśniona sztuczna inteligencja).
Za pomocą tego modelu naukowcy byli w stanie skierować dalsze eksperymenty do najciekawszych wariantów. W ten sposób byli w stanie odkryć małe grupy tych cząsteczek, które są niezbędne. Oznacza to, że gdy zostaną wyeliminowane lub zablokowane, bakterie nie infekują, co stanowi obiecujący cel dla przyszłych terapii, które pomogą pokonać tych zwinnych najeźdźców.
Nowe terapie mogą być w drodze
W rzeczywistości autorzy zaobserwowali również, że mysz-gospodarz jest adaptacyjna, zdolna do omijania przeszkód stawianych przez różne sieci efektorowe i aktywowania uzupełniających się odpowiedzi immunologicznych, które eliminują patogen i indukują odporność ochronną.
Rodríguez-Patón podsumowuje: „Sztuczna inteligencja po raz kolejny okazuje się przełomową technologią, w tym przypadku w dziedzinie mikrobiologii. Te interdyscyplinarne badania wymagały od nas opracowania nowych technik sztucznej inteligencji, aby rozwikłać złożoną sieć sygnałów molekularnych, których bakterie używają do zarażania nas. Uzyskane wyniki są bardzo satysfakcjonujące, dlatego w przyszłych badaniach będziemy kontynuować współpracę z grupą Gada Frankela – jednym z głównych autorów – w Imperial College London. ”
