Microorganismi ed entità patogeno sono, purtroppo, divenute in questo inizio 2020 gigantesche presenze nel panorama (dis)informativo globale, online e non. La scienza intanto, silenziosa e caparbia, incede nel suo ruolo buono di maestro a sostegno di ragione ed evidenza.
E il Prof. Jim Collins, esperto di biologia sintetica del Massachusetts Institute of Technology di Cambridge, rende noti, sulla prestigiosa rivista “Cell”, i risultati della ricerca da lui condotta assieme al suo gruppo di lavoro su come l’intelligenza artificiale potrebbe aiutare l’uomo a progettare antibiotici di ultima generazione particolarmente efficaci.
Fig. 1 Machine Learning in Antibiotic Discovery.
Gli approcci di machine learning offrono l’opportunità di esplorare rapidamente ed economicamente grandi biblioteche di molecole diverse. Il modello di rete neurale profonda sviluppato dal Pro. Collins e collaboratori, funziona costruendo una rappresentazione molecolare basata su una specifica proprietà, in questo caso l’inibizione della crescita dell’E. coli. Per prima cosa il modello di rete neurale è stato addestrato utilizzando un insieme diverse molecole comprese quelle che inibiscono la crescita dell’E. coli. Successivamente, è stato applicato il modello a più librerie chimiche, composto da più di 107 milioni di molecole, per identificare potenziali composti con attività contro l’E. coli. Dopo aver classificato i candidati sono state selezionate un centinaio di molecole da usare per proseguire gli studi.
Una volta addestrato il modello, i ricercatori lo hanno usato per esaminare una libreria chiamata Drug Repurposing Hub, che contiene circa 6.000 molecole (tra le quali anche 800 prodotti naturali da fonti vegetali, animali e microbiche) in fase di studio per malattie umane. Infine, all’algoritmo è stato domandato di individuare quali molecole potevano essere efficaci nell’inibire la crescita del batterio Escherichia coli e di mostrare quelle con un aspetto diverso dagli antibiotici convenzionali.
Tra i risultati ottenuti, i ricercatori hanno selezionato circa 100 molecole candidate sottoponendo le più promettenti a test fisici per validarne l’efficacia e una di queste, già in fase di studio per la cura del diabete, si è rivelata un potente antibiotico. Nei topi, si è dimostrato particolarmente efficace contro un ampio spettro di agenti patogeni, tra cui un ceppo di Clostridioides difficile, e uno di Acinetobacter baumannii, che è “panresistente” e contro il quale servono urgentemente nuovi antibiotici.
Il gruppo di ricerca ha chiamato questa molecola halicina, da HAL, il computer intelligente del film 2001: Odissea nello spazio.
Lo studio è “un grande esempio della crescente quantità di lavori che utilizzano metodi computazionali per scoprire e prevedere le proprietà di potenziali farmaci”, dice Bob Murphy, biologo computazionale della Carnegie Mellon University di Pittsburgh.
L’approccio rivoluzionario usato dal Prof. Collins e collaboratori, ossia addestrare la rete neurale a cercare molecole con una particolare attività, invece di cercare strutture specifiche o classi molecolari, inaugura promettenti applicazioni anche per la ricerca di altri tipi di farmaci, come quelli usati per il trattamento del cancro o delle malattie neurodegenerative.
