对抗抗生素耐药性日益迫切,但人工智能可以帮助
自从青霉素的发现在1920年代末,抗生素”彻底改变了医学和拯救了数百万人的生命”。不幸的是,抗生素的有效性正在威胁在全球范围内导致抗药性细菌的增加。
抗生素耐药感染导致的死亡每年有120万人,使它们死亡的主要原因之一。
有几个因素导致这场危机的抵抗抗生素。这些包括过度使用和滥用抗生素治疗。此外,制药公司是监管和阻止开发新药物。
世界卫生组织估计将有1000万人死于这种感染到2050年。
的影响抗生素耐药感染是广泛的。在缺乏有效的预防和治疗细菌感染,医疗过程如器官移植、化疗和剖腹产变得风险更大。这是因为bacteria-related感染的严重程度增加和未经处理的感染会导致各种各样的健康问题。
发现新的抗生素
抗生素治疗疾病通过攻击使他们的细菌通过破坏或阻止了它们的繁殖。
新抗生素的发现有潜力拯救数百万人的生命。最后发现的小说类的抗生素是在1984年。但这不是容易找到一个真正的新抗生素:每15中只有一个进入临床前开发达到病人的抗生素。
开发一种新的药物是昂贵的,而且通常漫长的过程。同时,将新型毒品市场的过程,让它们可以带来了强大的挑战。
这就是人工智能(AI)发挥作用,因为它允许研究人员快速、准确地设计和评估潜在的药物。
人工智能在药物设计的作用
有爆炸的研究近年来人工智能的使用药物设计和发现。AI可以识别新抗生素结构不同于现有的和有效的对各种细菌。
为了发现更有效的抗生素,我们需要了解电阻的结构基础,和这种理解让理性的设计原则。开发有效的第二代抗生素通常涉及到优化第一代药物。
在药物开发,大量的资金发展和评估每一代的化合物。研究人员可以使用人工智能工具来教电脑自己找到快速和廉价的方式发现这种新型药物。
人工智能已经显示出可喜的成果寻找新的抗生素。2019年,研究人员使用了深度学习的方法来识别以前抗生素Halicin。Halicin之前失败的临床试验用于治疗糖尿病,但AI提出了一个不同的应用程序。
鉴于这样一个潜在的强大的抗生素的早期识别使用人工智能,大量广谱抗生素,可以有效对抗多种细菌可能会被识别。这些药物还需要进行临床试验。
美国国立卫生研究院的研究人员利用人工智能演示的预测能力艾未未的潜在加速的过程选择未来抗生素。
人工智能可以被训练来筛选和发现新药快得多,我们的实验室在康科迪亚大学使用这种方法来识别目标细菌RNA抗生素。
算法的学习
研究人员设计一个算法,它使用来自数据库的数据锌(商用化学物质的集合,可用于虚拟筛选)找出分子和它们的属性是如何联系的。人工智能模型从数据库中提取信息来分析其模式。
创建的模型算法训练有素的预先存在的数据。AI可以快速筛选大量的数据理解重要模式的内容或结构的分子。
我们看到的潜力现在的模型来正确地预测细菌蛋白质和抗菌药物是如何交互的。但是为了最大化艾未未的预测功能,进一步优化仍将是必需的。
人工智能的局限性
研究人员还没有探索人工智能模型的全部潜力。与进一步发展,如计算能力增加,人工智能可以成为科学的一个重要工具。人工智能在药物发现研究的发展,以及发现新的抗生素治疗细菌感染是一项正在进行中的工作。
的能力人工智能预测和准确识别领导已经显示出不错的效果。
即使由强大的人工智能方法,寻找新的药物并非易事。我们需要理解,人工智能是一个工具,有助于研究通过识别或预测一个研究问题的结果。
人工智能实现今天在许多行业,并且已经改变世界。但它不是一个替代一个科学家或医生。人工智能可以帮助研究人员加强或快速的过程药物发现。
尽管我们仍然有一段路要走之前我们可以充分利用这个方法,毫无疑问,AI将大大改变药物发现和开发。
